Извлечь текст из PDF

Извлеките существующий текст страниц в TXT или JSON.

PDF-документ

Можно перетащить файл сюда

PDF

До 25 МБ и 200 страниц. PDF без пароля.

Данные остаются на вашем устройстве.

Как пользоваться

Добавьте исходные данные в редактор.
Выберите TXT или JSON.
Проверьте результат и сохраните файл на устройство.

Пример

Цитата из текстового документа

Исходные данные

PDF с выделяемым текстом на двух страницах.

Извлеките текст и выберите JSON.

Что получится

Записи по страницам с существующим текстовым слоем, без распознавания картинок.

Форматы и ограничения

Извлеките текст из документа, чтобы найти нужные фрагменты, использовать цитаты или перенести содержание в редактор. Порядок текста зависит от структуры исходного PDF.

На входе: PDF
Результат: TXT, JSON
Существующий текст всех страниц; JSON разделяет результат по страницам.

Один PDF до 25 МБ и 200 страниц.
Защищённые, повреждённые PDF и XFA не поддерживаются.
Извлечённый текст до 2 миллионов символов.

OCR не выполняется. У скана без текстового слоя результат может быть пустым, а порядок текста зависит от структуры PDF.

Обработка выполняется на вашем устройстве. Файлы и введённые данные не отправляются серверу; после обновления страницы редактор сбрасывается.

Обработка выполняется в памяти браузера. Файлы и текст не отправляются на сервер; сохраните результат до обновления страницы. PDF до 25 МБ и 200 страниц. Защищённые, повреждённые PDF и XFA-формы не поддерживаются. Изменение PDF не сохраняет действительность цифровой подписи. До 2 миллионов символов результата. OCR не выполняется: изображение скана само по себе не содержит извлекаемого текста.

Вопросы об инструменте

Почему из скана не извлекаются слова?

На скане может не быть текстового слоя. Этот инструмент не распознаёт текст в изображениях.

Сохранится ли порядок колонок и таблиц?

Не всегда. Порядок зависит от структуры PDF; проверьте многоколоночный текст и таблицы вручную.

Чем отличаются результаты TXT и JSON?

TXT объединяет извлечённый текст с обозначениями страниц. JSON хранит текст и номер каждой страницы отдельными записями, что удобно для дальнейшей обработки.

Можно ли извлечь текст только с нескольких страниц?

Этот редактор обрабатывает все страницы выбранного PDF. Чтобы получить только нужный фрагмент, сначала создайте PDF с выбранными страницами инструментом извлечения.

Сохранятся ли картинки, шрифты и оформление в TXT?

Нет, извлекаются текстовые строки, а не макет документа. Изображения и исходное оформление страниц в текстовый файл не переносятся.

Почему большой текстовый PDF отклоняется?

Допускаются файлы до 25 МБ и 200 страниц, а извлечённый текст ограничен двумя миллионами символов. Разделите документ на части, если превышается один из этих пределов.

Извлечь текст из PDF

Как пользоваться

Пример

Цитата из текстового документа

Вопросы об инструменте

Разобраться в задаче

Резюме в PDF или Word: какой файл отправить, а какой оставить для правок

Почему из PDF не извлекается текст: текстовый слой и скан

Как проверить значения PDF-формы и зафиксировать заполненную копию

Может пригодиться