Как да извлечете текст от PDF документ

Може да бъде много разочароващо да се опитате да извлечете текст от PDF файл за използване в друго приложение. Не е необичайно графиките да се превърнат в начин или за оформление на документа, за да затруднят прехвърлянето на теста в смислени изречения. Въпреки че не е невъзможно да се извлече текст с копиране и поставяне, той може да отнеме много време и не позволява извеждането на PDF файл в различен формат. Има, обаче, няколко начина за извличане на текст от PDF файл.

Извличане на текст с помощта на Acrobat Reader

Стъпка 1
Отворете файла в Acrobat Reader. В Windows изберете "Файл -> Експортиране на документ в текст", наименовайте документа и го запазете.

Стъпка 2
Копирайте текста на Mac или Linux OS, като влезете в менюто Изглед и изберете " Непрекъснато или непрекъснато. (Първият ще ви даде текста в една колона, докато последният ще форматира текста като странични страници.) ​​Отидете на "Редактиране -> Избери всички" и след това "Редактиране -> Копиране." Използвайте инструмента за избор, ако искате да извлечете само част от текста. Щракнете върху инструмента "Избор на текст" и след това изберете информацията, която искате. В документ, форматиран в няколко колони, първо трябва да използвате инструмента "Избор на колони". Отидете на "Редактиране -> Копиране."

Конвертиране на PDF в HTML

Стъпка 1
Използвайте Gmail като пряк път. Прикачете PDF файла към имейл и го изпратете в профила си в Gmail. Когато отворите имейла, ще видите няколко опции до прикачения файл. Изберете "Преглед като HTML" и запишете файла, който се отваря в отделен прозорец. Въпреки че няма да можете да видите никакви графики, HTML файлът ще запази форматирането на текста на документа.

Стъпка 2
Извличане и конвертиране на файлове в командния ред. Потребителите на Linux могат да използват основна команда за преобразуване, която ще промени .pdf файл в .txt файл: "pdftotext filename.pdf." Не забравяйте да замените името на файла с името на PDF файла.
Изтеглете програма за конвертиране на PDF в текст. Има редица отворени и безплатни програми, като PDFBox и Easy PDF to Text Converter (виж Ресурси по-долу). Много от тези програми също могат да конвертират PDF файлове в HTML.

Съвети
Определете дали документът е форматиран така, че да съдържа текст и графики. Подходът Adobe Acrobat ще работи само ако PDF файлът съдържа и двете; няма да работи само за файлове с изображения. В някои случаи текстът в PDF документ всъщност е форматиран като изображение. Това често се случва, когато се сканира оригинален документ и се създава PDF файл от сканираното изображение.
Бъдете готови да преформатирате част от текста, когато използвате Acrobat Reader. Този начин на извличане просто изнася PDF файла в текстов файл - той няма да запази задължително запазването на форматирането. Въпреки това, ако просто трябва да използвате думите, това не би трябвало да е проблем.

Необходими артикули