Wyodrębnij tekst

Wyodrębnij cały tekst z PDF jako plik tekstowy

Narzędzie wyodrębniania od pdfty wyciąga z PDF-a każdy znak tekstu i dostarcza go jako czysty plik tekstowy. Bije na głowę zaznacz wszystko i kopiuj-wklej, które regularnie miesza układy wielokolumnowe, gubi pola tekstowe i dławi się długimi dokumentami — wyodrębnianie przetwarza wszystkie strony za jednym razem, z zachowaną kolejnością czytania.

Wyodrębnianie działa na PyMuPDF, który czyta wewnętrzną strukturę tekstową PDF-a bezpośrednio i odtwarza naturalną kolejność czytania — w tym układy dwukolumnowe, tabele, nagłówki i przypisy. Pełny Unicode przechodzi nietknięty: cyrylica, znaki CJK, arabski, litery ze znakami diakrytycznymi. Wynik świetnie nadaje się do wprowadzania dokumentów do narzędzi tłumaczeniowych, indeksów wyszukiwania czy asystentów AI, do cytowania z artykułów i do liczenia słów.

Jedna ważna uwaga: to działa na PDF-ach zawierających warstwę tekstową. Zeskanowane dokumenty to tylko obrazy tekstu — najpierw przepuść je przez nasze narzędzie OCR (oparte na Tesseract), a potem wyodrębnij. Za darmo dla plików do 20 MB, bez znaku wodnego, bez rejestracji. Pliki są trwale usuwane w ciągu 1 godziny.

Jak to działa

  1. 1

    Prześlij swój PDF

    Przeciągnij i upuść lub kliknij, aby wybrać. Do 20 MB, za darmo.

  2. 2

    Wyodrębnij

    PyMuPDF czyta warstwę tekstową i odtwarza kolejność czytania. Sekunda lub dwie dla większości plików.

  3. 3

    Podgląd

    Sprawdź pierwsze strony wyodrębnionego tekstu na ekranie.

  4. 4

    Pobierz plik .txt

    Jeden zwykły plik tekstowy, z oznaczonymi podziałami stron.

  5. 5

    Gotowe w 1 godzinę

    Twój PDF i plik tekstowy są usuwane z naszych serwerów w ciągu 1 godziny.

Częste pytania

Twój PDF to niemal na pewno skan — obrazy tekstu bez warstwy tekstowej. Najpierw przepuść go przez nasze narzędzie OCR, a potem wyodrębnij.
Tak — w tym w układach wielokolumnowych, które naiwne kopiuj-wklej zwykle przeplata w bełkot.
Tak. Pełny Unicode: cyrylica, chiński, japoński, koreański, arabski, hebrajski i litery łacińskie z diakrytykami wyodrębniają się poprawnie.
Tekst z tabel jest wyodrębniany wiersz po wierszu jako zwykły tekst. Jeśli potrzebujesz prawdziwych wierszy i kolumn do obliczeń, użyj PDF do Excela.
Zwykły tekst nie ma formatowania. Aby zachować style, skonwertuj zamiast tego narzędziem PDF do Worda.
Przesłane pliki i wyniki są trwale usuwane w ciągu 1 godziny.

Powiązane narzędzia