Jak wyodrębnić tekst z pliku PDF

Wyodrębnianie tekstu z pliku PDF może być uciążliwe, zwłaszcza gdy dokument zawiera grafiki lub skomplikowane układy. Kopiowanie i wklejanie działa, ale jest czasochłonne i nie umożliwia zapisu tekstu w innym formacie. Poniżej przedstawiamy trzy sprawdzone metody, które ułatwią ten proces.

Wyodrębnianie tekstu za pomocą Adobe Acrobat Reader

Krok 1

Otwórz plik w programie Acrobat Reader. W systemie Windows wybierz Plik → Eksportuj do → Tekst, podaj nazwę pliku i zapisz.

Krok 2

W systemie macOS lub Linux przejdź do menu Widok → Tryb ciągły (lub Widok → Ciągły‑obok‑obok, aby uzyskać dwie kolumny). Następnie wybierz Edycja → Zaznacz wszystko i Edycja → Kopiuj.

Jeśli potrzebujesz wybrać tylko fragment tekstu, użyj narzędzia Zaznaczanie tekstu. W dokumentach wielokolumnowych najpierw skorzystaj z opcji Wybór kolumny, a potem skopiuj wybrany fragment.

Konwersja PDF do HTML

Krok 1

Możesz skorzystać ze skrótu w Gmailu. Wyślij PDF jako załącznik na swój adres Gmail, otwórz wiadomość i wybierz opcję Wyświetl jako HTML. Zapisz otwartą stronę – otrzymasz plik HTML z zachowaną strukturą tekstu (bez grafik).

Krok 2

Użytkownicy systemu Linux mogą użyć polecenia w terminalu:

pdftotext nazwa_pliku.pdf

Program zamieni plik PDF na zwykły plik tekstowy. Wystarczy podmienić nazwa_pliku.pdf na właściwą nazwę.

Istnieją także darmowe programy konwertujące PDF na tekst lub HTML, np. Apache PDFBox, Easy PDF to Text Converter itp.

Porady

• Sprawdź, czy dokument zawiera zarówno tekst, jak i grafikę. Metoda Adobe Acrobat działa tylko wtedy, gdy tekst jest rzeczywistym tekstem, a nie częścią obrazu (np. skany).
• Po wyeksportowaniu tekstu z Acrobat Reader może być konieczne ręczne formatowanie, ponieważ plik tekstowy nie zachowuje układu dokumentu.

Co będzie potrzebne

• Plik PDF
• Adobe Acrobat Reader
• Konto Gmail (opcjonalnie)
• Oprogramowanie do konwersji PDF → tekst/HTML (opcjonalnie)