Narzędzia PDF Nyxiontech › PDF do tekstu

Jak skopiować tekst z PDF, z którego nie da się go zaznaczyć

Są dwa typowe objawy. Albo zaznaczenie w ogóle nie łapie liter, albo łapie, ale po wklejeniu zamiast zdania widać ciąg przypadkowych znaków. Porady w internecie od razu podsuwają rozwiązanie: wrzuć plik na Dysk Google albo wydrukuj go do nowego PDF-a. Czasem działa. Problem w tym, że najpierw trzeba wiedzieć, który przypadek się ma, bo każdy wymaga czego innego.

Najszybszy test

Otwórz PDF do tekstu, wskaż plik i kliknij Wyciągnij tekst. Jeśli w pliku jest warstwa tekstowa, dostaniesz treść i licznik Liczba znaków, a tekst możesz skopiować albo zapisać przyciskiem Pobierz .txt. Jeśli warstwy nie ma, narzędzie napisze: „Ten PDF nie ma warstwy tekstowej, więc najprawdopodobniej jest to skan. Najpierw przepuść go przez „OCR: przeszukiwalny PDF”, żeby dało się odczytać tekst.”

Ten jeden klik rozdziela przypadki. Jeśli tekst wyszedł poprawnie, sprawa jest załatwiona, nawet jeśli w czytniku kopiowanie było zablokowane. Jeśli wyszedł jako krzaczki, masz przypadek trzeci. Jeśli nie wyszedł wcale, masz skan.

Przypadek 1: to skan

Strona jest obrazkiem, więc nie ma czego zaznaczać. Potrzebne jest rozpoznawanie tekstu. Otwórz OCR PDF, ustaw Język na Polski + angielski albo Polski i uruchom Rozpoznaj tekst. Rozpoznawanie działa na twoim komputerze, bez wysyłania pliku.

Wynik możesz wziąć na dwa sposoby: przyciskiem Kopiuj rozpoznany tekst, albo zapisując nowy PDF, który wygląda tak samo, ale ma już warstwę tekstową i da się go przeszukiwać. Szczegóły, łącznie z tym, jak długo to trwa i co zrobić z drobnym drukiem, opisuje poradnik o OCR i łączeniu dokumentów bez chmury.

Przypadek 2: autor zablokował kopiowanie

To ustawienie nie szyfruje treści. W pliku siedzi flaga z informacją, czego autor sobie nie życzy, a czytniki respektują ją dobrowolnie. Dlatego wyciąganie tekstu czyta zawartość strony wprost i blokada nie ma na nie wpływu: Wyciągnij tekst zwróci treść mimo wszystko.

Jeśli wolisz zaznaczać i kopiować w swoim zwykłym czytniku, zdejmij flagę w Odblokuj PDF, zostawiając pole hasła puste. Różnicę między hasłem do otwarcia a hasłem od uprawnień tłumaczy poradnik o usuwaniu hasła z wyciągu bankowego.

Jedna uwaga, która nie wynika z techniki. To, że dane da się odczytać, nie przesądza, co wolno z nimi zrobić. Ograniczenie w pliku to nie to samo co prawa do treści, a zdjęcie flagi nie jest zgodą autora.

Przypadek 3: krzaczki zamiast liter

PDF przechowuje kody znaków i osobną mapę, która mówi, jakiej literze odpowiada dany kod. Gdy tej mapy brakuje albo jest błędna, zaznaczanie działa, ale wklejony tekst to zestaw przypadkowych symboli. Polskie diakrytyki zwykle psują się pierwsze. Z zewnątrz nie da się tej mapy naprawić, bo informacji o właściwych literach po prostu w pliku nie ma.

Wyjście jest jedno: potraktować stronę jak obrazek i odczytać litery na nowo. W OCR PDF odznacz opcję Pomiń strony, które już mają tekst, bo domyślnie jest włączona, a te strony tekst mają, tylko bezużyteczny. Potem weź wynik przyciskiem Kopiuj rozpoznany tekst.

Przypadek 4: plik pyta o hasło przy otwarciu

Wtedy nie ma czego wyciągać, dopóki nie znasz hasła. Odblokuj PDF usuwa hasło z plików, które potrafisz otworzyć, i nie łamie haseł nieznanych. Takiej funkcji w tym narzędziu nie ma i nie będzie.

Co wyciągnięty tekst traci

Jeśli zależy ci na akapitach i pogrubieniach, lepszym narzędziem jest PDF do Word, opisany w poradniku o zamianie PDF na Worda.

Jak sprawdzić, że plik nigdzie nie wyjechał

  1. Otwórz PDF do tekstu i naciśnij F12.
  2. Na karcie Network wyczyść listę żądań.
  3. Wskaż plik i kliknij Wyciągnij tekst.
  4. Twojego PDF-a na liście nie będzie. Rozłączenie sieci też niczego nie psuje, bo wyciąganie tekstu dzieje się w przeglądarce.

Otwórz narzędzie PDF do tekstu