Tirare fuori il testo da un PDF
Citazioni da una relazione, una clausola di un contratto per una mail, una tabella che deve arrivare in un foglio di calcolo: selezionando il testo in un visualizzatore PDF spesso si trascinano a capo strani e numeri di pagina. Questa pagina legge il testo salvato nel PDF, pagina per pagina, e lo mette in un riquadro che puoi copiare o salvare come .txt. Il PDF viene letto nel browser e non viene mai caricato.
Estrarre il testo da un PDF in cinque passaggi
- Trascina il PDF nell’area di rilascio o fai clic per scegliere il file. Al primo utilizzo si carica il lettore di pagine, circa mezzo megabyte.
- Scrivi le pagine che vuoi, ad esempio
1-3, 7, oppure lascia vuoto il campo per leggerle tutte. - Scegli come trattare le righe: lasciarle come nel PDF o unirle in paragrafi per un testo continuo. Attiva i segni di pagina se vuoi vedere dove comincia ogni pagina.
- Premi Estrai testo. Una riga di avanzamento indica la pagina in lettura, e Annulla ferma l’esecuzione.
- Copia il testo o scaricalo come .txt. Cambiare l’opzione delle righe o i segni aggiorna subito il risultato, senza rileggere il PDF.
Scansioni e ciò che lo strumento non legge
Lo strumento legge il testo salvato nel PDF. Una pagina scansionata è solo un’immagine, quindi non dà nulla, e il risultato dice quante pagine non avevano testo. Il riconoscimento dei caratteri (OCR) richiede modelli grandi, che rovinerebbero le dimensioni ridotte di questo sito; fai passare prima la scansione da un programma OCR. I PDF creati con Word, da una pagina web o dall’esportazione di un’app di solito contengono testo vero.
Ordine di lettura, colonne e tabelle
Un PDF memorizza frammenti di testo posizionati, non paragrafi. Lo strumento unisce i frammenti sulla stessa linea di base, aggiunge uno spazio dove il vuoto è abbastanza ampio e trasforma un salto verticale maggiore in una riga vuota. Colonne, tabelle, intestazioni, piè di pagina e note possono uscire in un ordine diverso da quello che vedi sulla pagina. Un trattino a fine riga resta dov’è.
Dimensioni e privacy
Un PDF può arrivare a 100 MB. Un PDF cifrato chiede la password, usata solo in memoria. Il lettore di pagine è pdf.js, servito da questo sito, e nessuna richiesta porta il contenuto del tuo documento.