Kaip išgauti tekstą iš PDF dokumento

Gauti tekstą iš PDF failo gali būti sudėtinga, ypač kai dokumente gausu grafikos arba sudėtingas išdėstymas. Nors paprastas kopijavimas dažnai veikia, tai gali būti laikui imlu ir neleidžia konvertuoti į kitą formatą. Žemiau pateikiami keli patikimi būdai, kaip išgauti tekstą iš PDF.

Teksto išgavimas naudojant Adobe Acrobat Reader

1 žingsnis

Atidarykite PDF failą programoje Acrobat Reader. Windows aplinkoje pasirinkite Failas → Eksportuoti dokumentą į tekstą, nurodykite pavadinimą ir išsaugokite.

2 žingsnis

„Mac“ arba Linux sistemoje eikite į Rodymas → Nuolatinis arba Nuolatinis – šoninis. Pirmasis rodo tekstą viename stulpelyje, antrasis – šalia vienas kito. Tada pasirinkite Redaguoti → Pažymėti viską → Kopijuoti.

Jei reikia išgauti tik dalį teksto, naudokite įrankį Teksto pasirinkimas. Daugelio stulpelių dokumentuose pradžioje naudokite Stulpelių pasirinkimas, po to vėl Redaguoti → Kopijuoti.

PDF konvertavimas į HTML

1 žingsnis

Naudokite Gmail kaip greitą sprendimą. Prisegkite PDF prie el. laiško ir siųskite sau. Atidarius laišką, šalia prisegtos bylos spustelėkite Peržiūrėti kaip HTML ir išsaugokite atvertą puslapį. Nors grafika nebus matoma, tekstas išliks su formatavimu.

2 žingsnis

Komandinėje eilutėje konvertuokite PDF į tekstą. Linux vartotojai gali naudoti komandą pdftotext failas.pdf, kur failas.pdf – jūsų PDF pavadinimas.

Atsisiųskite PDF‑teksto konvertavimo programą. Yra daug atviro kodo ir nemokamų įrankių, pvz., PDFBox ar Easy PDF to Text Converter. Daugelis jų taip pat gali konvertuoti į HTML.

Patarlimai

• Įsitikinkite, ar dokumente yra tekstas, o ne tik nuotraukos. Adobe Acrobat metodas veikia tik tada, kai PDF turi tikrąjį tekstą; jei tai skenuota nuotrauka, tekstas yra paveikslėlis ir jam reikės OCR.
• Naudojant Acrobat Reader tekstas gali prarasti formatavimą. Tai neturėtų kelti problemų, jei jums svarbiausia – turinys, o ne išdėstymas.

Reikalingi įrankiai

• PDF failas
• Adobe Acrobat Reader
• Gmail paskyra (nebūtina)
• PDF‑teksto konvertavimo programinė įranga (nebūtina)