PDF в текст — извлечь текст из PDF онлайн

Извлеките текст из PDF, чтобы процитировать, перевести или использовать его в другом месте. Текст считывается постранично в вашем браузере, а строки, которые макет PDF разорвал посреди предложений, можно снова объединить.

Работает в браузере — введённые данные никуда не загружаются

Как пользоваться

Выберите PDF-файл или перетащите его сюда.
Подождите, пока будут прочитаны все страницы, — текст появится ниже.
Включите «Объединять перенесённые строки в абзацы», если предложения разбиты на строки.
Скопируйте текст или скачайте его как файл .txt.

Описание параметров

Отмечать разрывы страниц: Добавляет строку «--- Страница N ---» перед каждой страницей, чтобы было видно, откуда взят текст.
Объединять перенесённые строки в абзацы: В PDF каждая напечатанная строка хранится отдельно. Опция склеивает строки внутри абзаца, убирает переносы с дефисом в конце строк и оставляет как есть пустые строки, пункты списков и строки, заканчивающиеся точкой.

Что делает «Объединять перенесённые строки в абзацы»

PDF хранит текст в виде напечатанных строк, поэтому один абзац приходит несколькими короткими строками. Вот страница в том виде, в каком она извлечена:

Revenue grew steadily dur-
ing the year, driven by
new customers.

- First item
- Second item

Если включить «Объединять перенесённые строки в абзацы» и оставить включённым «Отмечать разрывы страниц», результат будет таким:

--- Page 1 ---

Revenue grew steadily during the year, driven by new customers.

- First item
- Second item

Строка не присоединяется к предыдущей, если та заканчивается точкой, знаком !, ?, двоеточием, точкой с запятой или закрывающей кавычкой или скобкой, если она начинается как пункт списка или если их разделяет пустая строка. Дефис в конце строки удаляется, если он стоит после буквы, а следующая строка начинается со строчной буквы, поэтому настоящее слово с дефисом, которое случайно переносится по дефису, например well-known, теряет дефис. Между китайскими, японскими и корейскими иероглифами пробел не добавляется.

Часто задаваемые вопросы

Почему текст не найден?

Отсканированные документы и фотографии, сохранённые в PDF, содержат изображения текста, а не сам текст. Для них нужно оптическое распознавание символов (OCR), которого этот инструмент не выполняет.

Почему текст идёт не в том порядке?

Текст извлекается в том порядке, в каком он хранится в файле. Многоколоночная вёрстка, таблицы и текстовые блоки иногда хранятся не в порядке чтения.

Работает ли инструмент с китайским, японским и другими языками?

Да. Таблицы символов для шрифтов CJK встроены, поэтому текст из PDF на китайском, японском и корейском языках извлекается правильно.

Конфиденциальность

Этот инструмент работает полностью в браузере. Ваши файлы и текст обрабатываются на вашем устройстве и никогда не загружаются на наши серверы.

Конвертер PDF в текст