Aby wyodrębnić tekst z pliku PDF w Windows, najpierw sprawdź, czy da się go zaznaczyć. Jeśli tak, skopiuj go w przeglądarce PDF albo przekonwertuj cały plik w MD Factory. Jeśli nie, strony są obrazami, a tekst trzeba rozpoznać za pomocą OCR.
Dwa rodzaje plików PDF wymagają różnych metod. Poniższe kroki zaczynają się od testu, który pokazuje, z którym rodzajem masz do czynienia.
Sprawdź, czy da się zaznaczyć tekst
Otwórz plik PDF w Microsoft Edge, Chrome lub Adobe Acrobat Reader. Naciśnij Ctrl+F i wyszukaj słowo, które widzisz na stronie.
- Słowo zostaje znalezione i podświetlone: PDF zawiera tekst, który da się zaznaczyć.
- Nic nie zostaje znalezione albo przeciągnięcie myszą po wierszu go nie zaznacza: strona jest obrazem tekstu.
Jeden plik PDF może zawierać oba rodzaje. Wpisany na klawiaturze raport może kończyć się zeskanowanymi załącznikami, więc wyszukaj słowo na stronie ze środka i na stronie z końca.
Skopiuj tekst w przeglądarce PDF
Przy kilku akapitach to najszybszy sposób. Przeciągnij myszą po tekście i naciśnij Ctrl+C. Aby skopiować cały dokument, naciśnij Ctrl+A, a potem Ctrl+C. Wklej tekst do Notatnika lub Worda za pomocą Ctrl+V.
Skopiowany tekst często kończy się łamaniem wiersza po każdym wierszu, tabela trafia do schowka jako luźne wiersze, a na stronie z dwiema kolumnami tekst jednej kolumny może wejść w drugą. Kopiowane są też numery stron i nagłówki bieżące.
Otwórz plik PDF w Wordzie
Word potrafi otworzyć plik PDF jako edytowalny dokument. Wybierz Plik, potem Otwórz, wskaż plik PDF i kliknij OK, gdy Word zaproponuje konwersję. Microsoft podaje, że najlepiej działa to z plikami PDF zawierającymi głównie tekst oraz że wiersze i strony mogą łamać się w innych miejscach niż w oryginale. Kroki opisano w artykule Edit a PDF.
Użyj tego, gdy chcesz dalej edytować tekst w Wordzie. Do zwykłego tekstu albo do wielu plików lepiej je przekonwertować.
Przekonwertuj cały plik PDF w MD Factory
- Otwórz MD Factory i kliknij Dodaj pliki albo przeciągnij plik PDF do okna. Aby przekonwertować każdy plik PDF w folderze, razem z jego podfolderami, kliknij Dodaj folder.
- Konwersja zaczyna się od razu. Gdy się skończy, wiersz pokazuje Zakończono, Wymaga sprawdzenia lub Nie udało się.
- Kliknij dwukrotnie ścieżkę wyniku w wierszu, aby otworzyć tekst.
Tekst jest zapisywany w pliku o nazwie pliku PDF i rozszerzeniu .md, w tym samym folderze. Obrazy z pliku PDF trafiają do folderu obok. Konwersja odbywa się na Twoim komputerze.
Reports/
annual-report.pdf
annual-report.md
annual-report_images/Plik .md to zwykły tekst, więc otworzysz go w Notatniku. Nagłówki zaczynają się od #, a tabele są rysowane znakami |. Nasz poradnik konwertowania PDF na Markdown opisuje te pliki dokładniej.
Wyodrębnij tekst ze zeskanowanego pliku PDF
Dodaj zeskanowany plik PDF w ten sam sposób. MD Factory znajduje strony, które są obrazami, i rozpoznaje ich tekst za pomocą OCR na Twoim komputerze. W pliku PDF z mieszanymi stronami, wpisanymi i zeskanowanymi, tekst wpisany zostaje bez zmian, a OCR działa tylko na stronach zeskanowanych.
OCR może przekręcić wyblakły, krzywy lub odręczny tekst. Jeśli wiersz pokazuje Wymaga sprawdzenia lub Nie udało się, kliknij status, wybierz język dokumentu na liście Język OCR i kliknij Spróbuj ponownie. Nasz poradnik konwertowania zeskanowanych PDF opisuje ustawienie języka i znaczenie każdego komunikatu.
W przypadku pojedynczej zeskanowanej strony w Windows 11 może pomóc też Narzędzie Wycinanie. Naciśnij Windows+Shift+S, zaznacz obszar, a potem wybierz Akcje tekstowe i Kopiuj cały tekst. Microsoft podaje, że rozpoznawanie tekstu działa na Twoim urządzeniu: zobacz Use Snipping Tool to capture screenshots.
Sprawdź wyodrębniony tekst
Niezależnie od metody porównaj wynik z plikiem PDF, zanim zaczniesz na nim polegać:
- Przeczytaj tekst na styku kolumn i stron, aby sprawdzić kolejność zdań.
- Usuń numery stron i nagłówki bieżące, które przerywają zdanie.
- Porównaj z plikiem PDF każdą liczbę, której użyjesz, na przykład kwoty, daty i numery identyfikacyjne.
- W tabeli sprawdź, czy każda wartość znajduje się we właściwym wierszu.
Tekst ze skanu wymaga najdokładniejszego sprawdzenia: źle odczytana cyfra wygląda równie wiarygodnie jak poprawna.
Którą metodę wybrać
| Metoda | Najlepsza do | Ograniczenia |
|---|---|---|
| Kopiowanie w przeglądarce | Kilku akapitów z pliku PDF z tekstem do zaznaczania | Nie czyta skanów. Złamania wierszy i tabele wymagają poprawek. |
| Otwarcie w Wordzie | Tekstowego pliku PDF, który chcesz edytować jako dokument Word | Układ może się zmienić. Najlepiej działa przy głównie tekstowych plikach. |
| MD Factory | Całych plików PDF, folderów z plikami PDF i skanów | Wynik trzeba sprawdzić z plikiem PDF. |
| Narzędzie Wycinanie | Jednej zeskanowanej strony lub jej fragmentu w Windows 11 | Jeden obszar ekranu naraz. |
Pytania
Czy mogę wyodrębnić tekst z pliku PDF chronionego hasłem?
MD Factory nie konwertuje plików PDF chronionych hasłem. Otwórz plik PDF z hasłem w przeglądarce, zapisz kopię bez hasła, jeśli masz do tego prawo, i przekonwertuj kopię.
Jak wyodrębnić tekst z wielu plików PDF naraz?
Kliknij Dodaj folder w MD Factory. Każdy plik PDF dostaje własny plik tekstowy. Aby przeszukać je wszystkie, zobacz jak przeszukiwać wiele plików PDF i Word.
Czy MD Factory zachowuje układ pliku PDF?
Nie. Dostajesz tekst z nagłówkami, listami i tabelami, ale nie wygląd strony. Zachowaj plik PDF wszędzie tam, gdzie liczy się układ.