Jak wyodrębnić tekst z dokumentu PDF

Próbowanie wyodrębnienia tekstu z pliku PDF w celu użycia w innej aplikacji może być bardzo frustrujące. Często zdarza się, że grafika przeszkadza lub układa dokument, co utrudnia przeniesienie testu w znaczących zdaniach. Chociaż nie jest możliwe wyodrębnienie tekstu za pomocą metody kopiowania i wklejania, może to być czasochłonne i nie pozwala na eksportowanie tekstu w pliku PDF w innym formacie. Istnieje jednak kilka sposobów na wyodrębnienie tekstu z pliku PDF.

Wyodrębnij tekst za pomocą Acrobat Reader

Krok 1
Otwórz plik w programie Acrobat Reader. W systemie Windows wybierz opcję „Plik -> Eksportuj dokument do tekstu”, nazwij dokument i zapisz go.

Krok 2
Skopiuj tekst w systemie Mac lub Linux OS, wybierając menu Widok i wybierając „ Ciągłe lub „Ciągłe obliczanie”. (Pierwszy z nich dostarczy ci tekstu w jednej kolumnie, podczas gdy drugi sformatuje tekst jako strony obok siebie). Przejdź do „Edytuj -> Zaznacz wszystko”, a następnie „Edytuj -> Kopiuj”.
Użyj narzędzia Wybierz, jeśli chcesz tylko wyodrębnić część tekstu. Kliknij narzędzie „Wybierz tekst”, a następnie wybierz żądane informacje. W dokumencie sformatowanym w wielu kolumnach musisz najpierw użyć narzędzia „Wybór kolumny”. Przejdź do „Edycja -> Kopiuj.”

Konwertuj PDF na HTML

Krok 1
Użyj Gmaila jako skrótu. Dołącz plik PDF do wiadomości e-mail i wyślij go na swoje konto Gmail. Po otwarciu wiadomości e-mail zobaczysz kilka opcji obok załącznika. Wybierz „Wyświetl jako HTML” i zapisz plik, który otwiera się w osobnym oknie. Chociaż nie będziesz w stanie wyświetlić żadnej grafiki, plik HTML zachowa formatowanie tekstu dokumentu.

Krok 2
Wyodrębnij i skonwertuj pliki w wierszu poleceń. Użytkownicy Linuksa mogą użyć podstawowego polecenia konwersji, które zmieni plik .pdf na plik .txt: „pdftotext filename.pdf”. Pamiętaj, aby zastąpić nazwę pliku nazwą pliku PDF.
Pobierz program do konwersji plików PDF na tekst. Dostępnych jest wiele programów open source i freeware, takich jak PDFBox i Easy PDF to Text Converter (patrz Zasoby poniżej). Wiele z tych programów może również konwertować pliki PDF na HTML.

Wskazówki
Określ, czy dokument jest sformatowany tak, aby zawierał zarówno tekst, jak i grafikę. Podejście Adobe Acrobat działa tylko wtedy, gdy plik PDF zawiera oba; nie będzie działać tylko w przypadku plików z obrazami. W niektórych przypadkach tekst w dokumencie PDF jest faktycznie sformatowany jako obraz. Zdarza się to często po zeskanowaniu oryginalnego dokumentu i utworzeniu pliku PDF z zeskanowanego obrazu.
Przygotuj się na ponowne sformatowanie części tekstu podczas korzystania z Acrobat Reader. Ten sposób ekstrakcji po prostu eksportuje plik PDF do pliku tekstowego - nie zachowuje koniecznie zachowania formatowania. Jeśli jednak potrzebujesz użyć słów, nie powinno to stanowić problemu.

Potrzebne elementy