TRÍCH XUẤT
Thả một tệp PDF vào và nhận lại phần chữ — cả tài liệu, hoặc chỉ những trang bạn chỉ định.
Tối đa 100 MB — tệp không rời khỏi thiết bị của bạn
Văn bản trích xuất được
Không có chữ nào lấy ra được từ những trang này. Hầu như luôn có nghĩa là PDF này là bản quét — mỗi trang là một ảnh, không có lớp văn bản để trích. Đọc được chúng cần OCR, và công cụ này không làm việc đó.
lớp văn bản
Một tệp PDF xuất từ trình soạn thảo, trình duyệt hay công cụ thiết kế mang theo chữ đúng nghĩa là chữ — các ký tự được lưu kèm vị trí, nên bạn mới bôi đen được chúng trong trình đọc. Công cụ này đọc lớp đó theo từng trang rồi trả lại dưới dạng văn bản thuần, dán đi đâu cũng được.
PDF quét lại là chuyện khác. Mỗi trang là một bức ảnh chụp tờ giấy, nên không có ký tự nào để đọc và cũng chẳng có gì hiện ra. Đó không phải lỗi của việc trích xuất — trong tệp thật sự không có chữ, và muốn lấy được thì cần nhận dạng ký tự quang học chứ không phải đọc.
ba bước
Tệp được phân tích ngay trong trình duyệt, bằng đúng engine vẽ phần xem trước PDF của trang này. Không có gì được tải lên, nên hợp đồng hay hoá đơn vẫn nằm trên máy bạn.
Để trống là cả tài liệu. Nếu không, hãy ghi giống như trong hộp thoại in — 1-3, 5, 8- — và chỉ những trang đó được đọc. Bật đánh dấu trang để biết mỗi trang bắt đầu từ đâu.
Sao chép đưa văn bản vào bộ nhớ tạm, sẵn sàng dán vào cửa sổ chat hay trình soạn thảo. Tải về ghi ra tệp .txt mã UTF-8, an toàn hơn khi nội dung dài.
giải đáp nhanh
Tệp PDF gần như chắc chắn là bản quét, các trang là ảnh và không có lớp văn bản. Cách kiểm tra: mở bằng bất kỳ trình đọc nào rồi thử bôi đen một từ — nếu con trỏ không tóm được, ở đây không có gì để trích.
Không. Nó đọc phần chữ vốn đã có sẵn trong tệp chứ không nhận dạng chữ trong ảnh. OCR cần tải một mô hình về trước khi đọc được trang đầu tiên, đó là một công cụ khác.
Văn bản thuần không có cột, bảng hay lề. Ngắt dòng theo đúng chỗ mà PDF tự đánh dấu là cuối dòng, còn lại — bài báo hai cột, bảng số liệu — đều bị dàn phẳng thành văn xuôi liền mạch.
Có, vì chúng cũng là chữ trên trang như mọi phần khác. Khi rút phần nội dung từ một báo cáo dài, hãy lường trước có tiêu đề đầu hoặc chân trang xen giữa các trang.
Ở đây không mở được. Hãy gỡ mật khẩu trong ứng dụng tạo ra nó hoặc trong trình đọc PDF của bạn, rồi đưa bản đã mở khoá vào công cụ này.
Có, kể cả những PDF dùng bảng ánh xạ ký tự dựng sẵn thay vì nhúng phông. Tệp .txt ghi theo UTF-8 nên ký tự không bị hỏng.
Không. Tệp được đọc trong trình duyệt và phần chữ không rời khỏi trang này. Công cụ này không có máy chủ nào để nhận tài liệu.
Miễn phí và không có hình mờ.
