PDF у тэкст

Вымае ўвесь тэкст з файлаў PDF і захоўвае яго як простыя файлы .txt. Падтрымліваецца пакетная апрацоўка: загрузіце некалькі PDF і атрымайце тэкст кожнага за адну аперацыю. Працуе на PyMuPDF.

Як гэта працуе

1. Загрузіце адзін ці некалькі PDF, націснуўшы на вобласць загрузкі або перацягнуўшы туды файлы. Кіруйце спісам файлаў кнопкамі «Дадаць яшчэ» і «Ачысціць».
2. Націсніце Выняць, каб пачаць апрацоўку.
3. Адзін файл спампоўваецца як filename.txt. Некалькі файлаў даюць архіў pdf-to-text.zip.

Налады

У гэтага інструмента няма налад. Увесь тэкст вымаецца з кожнай старонкі ў парадку чытання.

Фармат выніку

• Адзін файл: filename.txt
• Некалькі файлаў: pdf-to-text.zip з адным .txt на кожны ўваходны PDF.

Сцэнарыі выкарыстання

• Выманне асноўнага тэксту са справаздач PDF для паўнатэкставай індэксацыі.
• Пераўтварэнне электронных кніг або артыкулаў PDF у просты тэкст для чытання на прыладах з e-ink.
• Выманне тэксту з дагавораў або юрыдычных дакументаў для аналізу ключавых слоў.
• Выдаленне фарматавання з PDF, каб атрымаць чысты тэкст для скрыптоў апрацоўкі даных.
• Падрыхтоўка тэкставага корпуса з архіваў PDF для апрацоўкі натуральнай мовы.

Парады

• Сканаваныя PDF (толькі відарысы) дадуць пустыя тэкставыя файлы, бо ў іх няма тэкставага пласта. Спачатку апрацуйце сканы з дапамогай OCR.
• Вынік захоўвае парадак чытання так, як яго вызначае PyMuPDF: звычайна злева направа і зверху ўніз. Макеты з некалькімі слупкамі могуць даць перамешаны тэкст.
• Для структураванага выніку з загалоўкамі і фарматаваннем паспрабуйце PDF у Markdown. Для структураванага JSON, гатовага для ШI, выкарыстайце Падрыхтаваць PDF для ШI.

Звязаныя інструменты

• PDF у Markdown
• Падрыхтаваць PDF для ШI
• PDF у Word