Konwertuj PDF na tekst
Darmowe narzędzie, które wyodrębnia tekst z pliku PDF i zamienia go w plik tekstowy (TXT). Tekst ze stron, które go zawierają, jest wyodrębniany bez zmian, a tekst na zeskanowanych stronach jest odczytywany za pomocą OCR (optycznego rozpoznawania znaków). Twój PDF jest przetwarzany w przeglądarce i nigdy nie jest wysyłany. OCR może jednorazowo odczytać do 200 stron (30 stron na urządzeniach, na których przetwarzanie trwa dłużej). Możesz otwierać pliki PDF do 200 MB każdy (100 MB na telefonach i tabletach).
Tylko jeśli PDF zawiera strony bez tekstu (np. zeskanowane) lub ze zniekształconym tekstem, przy pierwszym uruchomieniu z tej witryny pobierany jest model AI (ok. 17 MB); kolejne uruchomienia korzystają z kopii zapisanej w przeglądarce. Twoje pliki PDF nigdy nie są wysyłane.
Ustawienia
Jak używać
- 1
Dodaj pliki PDF
Wybierz lub upuść pliki PDF do zamiany na tekst. Możesz dodać kilka plików PDF naraz. Twoje pliki PDF nigdy nie są wysyłane.
- 2
Wybierz język dokumentu i podziały stron
W polu „Język dokumentu” wybierz język, w którym napisany jest PDF (używany przy odczytywaniu zeskanowanych stron). Aby przekonwertować tylko niektóre strony, wpisz je w polu „Zakres stron”. W polu „Podziały stron” wybierz, co ma się znaleźć między stronami.
- 3
Konwertuj i zapisz
Naciśnij „Uruchom”, aby utworzyć plik TXT z tekstem z PDF. Zapisz go przyciskiem „Zapisz” albo skopiuj całość przyciskiem „Kopiuj tekst”. Jeśli odczytano zeskanowane strony, rozpoznane wiersze możesz sprawdzić przyciskiem „Sprawdź rozpoznany tekst”.
O konwersji PDF na tekst
Tekst ze stron, które go zawierają, jest wyodrębniany za pomocą PDFium – silnika PDF używanego także w Chrome – bez modelu AI. Strony bez tekstu i strony, których tekst jest zniekształcony (zaznaczenie tekstu daje inne znaki), są odczytywane modelem rozpoznawania tekstu PaddleOCR (PP-OCRv6, Apache-2.0), który działa w Twojej przeglądarce. Tylko wtedy przy pierwszym uruchomieniu pobierany jest z tej strony model AI (ok. 17 MB); kolejne uruchomienia korzystają z kopii zapisanej w przeglądarce. W przypadku plików PDF, w których wiele stron ma tekst, narzędzie pyta przed pobraniem modelu AI. Na urządzeniach, które nie mogą używać GPU (WebGPU), przetwarzanie odbywa się na CPU i trwa dłużej niż na GPU.
Ze stron, które mają już warstwę tekstową OCR, wyodrębniany jest ten tekst. Na stronach łączących tekst i obrazy tekst jest wyodrębniany, a części, które nie nachodzą na tekst, są odczytywane. Jeśli stron do odczytania przez OCR jest więcej, niż można odczytać jednorazowo, strony bez tekstu są odczytywane od początku, a numery nieodczytanych stron są wyświetlane. Zapisany plik to plik tekstowy UTF-8 (.txt). W „Podziały stron” możesz wybrać, co ma się znaleźć między stronami (domyślnie linia oddzielająca, np. „--- 1 / 3 ---”).
Specyfikacja tego narzędzia
- Dane wejściowe
- Wynik
- TXT
- Ograniczenia
- Bez limitu liczby plików (przetwarzanie wsadowe). Do 200 MB na plik (100 MB na telefonach i tabletach). Odczyt OCR do 200 stron naraz (do 30 na urządzeniach, które przetwarzają na CPU; numery stron ponad ten limit są wyświetlane)
- Za darmo, bez rejestracji, bez instalowania aplikacji
- Pliki nigdy nie są wysyłane (przetwarzanie w przeglądarce)
Najczęściej zadawane pytania
Czy mój PDF jest wysyłany na serwer?
Nie. Otwieranie PDF, wyodrębnianie tekstu i odczyt tekstu na zeskanowanych stronach odbywają się w przeglądarce na Twoim urządzeniu. Na serwer tej strony wysyłane są statystyki, które pomagają nam naprawiać błędy (przedział liczby stron, przedziały liczby stron, z których wyodrębniono tekst, i stron odczytanych przez OCR, przedział czasu na stronę, rodzaje błędów itp.). Nie obejmują one treści PDF, wyodrębnionego tekstu, rozpoznanego tekstu, nazw plików, haseł ani wpisanych zakresów stron. Możesz wyłączyć statystyki przełącznikiem „Wysyłaj statystyki przetwarzania” na dole strony.
Czy narzędzie wyodrębni tekst z zeskanowanego PDF?
Tak. Strony bez tekstu i strony ze zniekształconym tekstem są odczytywane za pomocą OCR (optycznego rozpoznawania znaków). Narzędzie jest przeznaczone do drukowanego tekstu pisanego poziomo. Odczytuje też strony z tekstem pionowym, ale z większą liczbą błędów niż tekst poziomy, i może pomijać znaki interpunkcyjne. Pismo odręczne nie jest obsługiwane. Aby PDF stał się przeszukiwalny i pozostał plikiem PDF, użyj narzędzia „OCR PDF”.
Czy narzędzie wyodrębni tekst z PDF zabezpieczonego hasłem lub z ograniczeniami ustawionymi przez autora?
Tak. PDF zabezpieczony hasłem otwiera się po wpisaniu jego hasła otwarcia. Jeśli autor ograniczył kopiowanie i wyodrębnianie, narzędzie nie wyodrębni tekstu, dopóki nie wpiszesz hasła uprawnień. To narzędzie nie odgaduje haseł, więc jeśli nie znasz hasła uprawnień, zapytaj osobę, która utworzyła PDF. Plik tekstowy (TXT) nie może mieć hasła ani ograniczeń, więc każdy może otworzyć zapisany plik. Tekst ukryty pod adnotacjami, takimi jak czarne prostokąty, też jest wyodrębniany, jeśli nadal jest w pliku jako tekst, dlatego aby usunąć tekst z pliku, użyj narzędzia „Zaczernij PDF”.
Czy wyodrębniony tekst może zawierać błędy?
Tak. Na stronach odczytanych przez OCR niektóre znaki mogą zostać źle odczytane lub pominięte zależnie od wielkości tekstu, rozdzielczości skanu oraz plam lub przekrzywienia papieru. Liczby rozstawione szeroko w tabelach są częściej źle odczytywane niż inny tekst. Gdy jako język dokumentu wybrano „Japoński”, znaki spoza zestawów kanji JIS poziomu 1 i 2 oraz emoji mogą zostać odczytane jako podobnie wyglądające znaki. Kolumny i tabele mogą zostać wyodrębnione w innej kolejności niż kolejność czytania. Strony zawierające tekst zachowują kolejność zapisaną w PDF, a na stronach odczytanych przez OCR tabela z długimi komórkami może zostać wyodrębniona kolumna po kolumnie. Naciśnij „Sprawdź rozpoznany tekst”, aby zobaczyć wiersze odczytane przez OCR obrysowane na stronie; wiersze, w których błędy są bardziej prawdopodobne, są pokazane innym kolorem.
Pomóż nam ulepszać serwis
Jeśli konwersja się nie powiedzie, przesłanie nam okoliczności pomaga wyśledzić przyczynę. Wiedząc, na jakich urządzeniach i przy jakich formatach błędy zdarzają się najczęściej oraz jak długo trwa przetwarzanie, możemy dopracować obsługiwane formaty i naprawiać usterki, które za tym stoją. Jeśli nie masz nic przeciwko, pozostawienie tej opcji włączonej bardzo nam pomoże.
Co jest wysyłane
- Użyte narzędzie i wybrane ustawienia (format wyjściowy, jakość itp.)
- Parametry urządzenia (GPU, pamięć, liczba rdzeni)
- Format wejściowy wraz z przybliżonym rozmiarem
- Liczba plików przetworzonych pomyślnie i niepomyślnie oraz czas przetwarzania
- Rodzaj i szczegóły błędu, gdy coś się nie powiedzie
Co nigdy nie jest wysyłane
- Same pliki i nazwy plików
- Tekst w plikach PDF, tekst zmieniony lub zaczerniony przez Ciebie, hasła, nazwy czcionek i wpisywane zakresy stron
- Rozpoznany tekst i położenie rozpoznanych wierszy
- Adresy IP
Dane trafiają wyłącznie na własny serwer tej witryny i nigdy do usług podmiotów zewnętrznych.
Pełną listę, w tym szczegóły wysyłane przez każde narzędzie, znajdziesz w sekcji „Statystyki przetwarzania” w polityce prywatności.
Szczegóły wysyłane przez to narzędzie (wyłącznie liczby, czasy, rodzaje i informacje tak/nie)
Oprócz danych z sekcji „Co jest wysyłane” to narzędzie wysyła poniższe szczegóły.
- Narzędzia PDF (wszystkie)
- Przedział liczby stron, czy edycja jest ograniczona, czy wpisano hasło uprawnień oraz czy plik PDF jest podpisany lub zaszyfrowany.
- Zamiana PDF na tekst
- Liczba plików wejściowych i wyjściowych, stron, z których wyodrębniono tekst, stron, które miały już tekst OCR, stron łączących tekst i obrazy, stron odczytanych przez OCR, stron odczytanych bez znalezionego tekstu, stron ze zniekształconym tekstem, pustych stron, stron przekształconych w układ tekstu pionowego, stron z poprawioną orientacją, stron nieodczytanych, ponieważ nie pobrano modelu AI, i stron nieodczytanych, ponieważ wykraczały poza liczbę stron możliwych do odczytania naraz, odczytanych wierszy i znaków oraz obszarów i znaków nieodczytanych, ponieważ nachodziły na istniejący tekst lub adnotacje (wszystko jako przedziały), przedziały udziału wierszy pionowych i wierszy o większym prawdopodobieństwie błędów, przedziały czasu na stronę i czasu wczytywania modelu AI, typ i wersja modelu AI oraz czy został pobrany, czy narzędzie pytało przed pobraniem modelu AI, przedział rozdzielczości renderowania i czy ją obniżono, przedział liczby części, na które podzielono obraz w celu znalezienia tekstu, czy szacowany czas przekroczył 15 minut oraz czy GPU przestało być dostępne.