LeanImg

PDF în Text — Extractor de Text Online Gratuit

Acest converter gratuit de PDF în text extrage cuvintele dintr-un PDF direct în browserul dumneavoastră: un strat de text este citit exact, iar paginile scanate trec prin OCR, așa că primiți text simplu de copiat sau de salvat ca fișier .txt. Extrageți conținut lizibil din fișiere PDF cu instrumentul nostru PDF în Text. Converterul PDF în text face ușor să transformați documentele PDF în text editabil rapid. Încărcați fișierul, convertiți conținutul și folosiți textul extras pentru editare, copiere sau procesare ulterioară.

  • Gratuit — fără înscriere
  • Până la 25 de pagini per fișier
  • PDF-ul dumneavoastră nu părăsește niciodată dispozitivul
Se încarcă extractorul de text...

Vreți să ne mulțumiți? Spuneți-le prietenilor despre LeanImg!

Extrageți textul dintr-un PDF ca text simplu

PDF înseamnă Portable Document Format, iar ce se află în fișier decide cum iese textul. Un PDF digital își poartă caracterele într-un strat de text, așa că fiecare dintre aceste pagini este citită literal. O pagină scanată conține doar o imagine, așa că este redată și citită prin OCR (recunoașterea optică a caracterelor) într-una din nouă limbi: engleză, spaniolă, română, arabă, greacă, turcă, indoneziană, rusă și japoneză. Un fișier care le amestecă pe cele două primește ambele tratamente, pagină cu pagină. Pe fișierele noastre de test sintetice, un PDF nativ digital și o scanare curată au redat amândouă 100.0% din textul cunoscut. O selecție cuprinde până la 10 fișiere și 50 MB, iar fiecare PDF este citit până la primele 25 de pagini. Un PDF protejat prin parolă nu se deschide. Un iPhone sau un telefon Android nu are nevoie de o aplicație pentru asta, și nici macOS, Linux sau Windows: această filă face treaba.

Cum să convertiți un PDF în text

  1. Alegeți PDF-ul.

    Aruncați fișierul în casetă sau alegeți-l de pe dispozitivul dumneavoastră. PDF-uri digitale, PDF-uri scanate și fișiere care combină cele două funcționează toate.
  2. Alegeți o limbă și extrageți.

    Alegeți limba documentului, apoi începeți extragerea. Paginile cu un strat de text sunt citite imediat. Paginile care necesită OCR sunt recunoscute una după alta, cu progresul arătat pe măsură ce fiecare aterizează.
  3. Copiați sau descărcați textul.

    Citiți rezultatul, copiați-l în clipboard sau salvați-l ca fișier .txt cu paginile etichetate.

Cum funcționează extragerea textului din PDF

Un PDF este un container, iar ceea ce se află în interiorul său decide cum iese textul. Un fișier exportat dintr-un procesor de texte, un browser sau o aplicație de contabilitate conține un strat de text. Caracterelor le sunt stocate pozițiile pe pagină. Citirea acelui strat vă oferă textul exact așa cum este stocat în fișier. Nu se rulează niciun pas de recunoaștere, așa că nu există nimic de greșit.

Un PDF scanat este o altă chestiune purtând aceeași extensie de fișier. Un scanner sau o cameră de telefon a produs o imagine a fiecărei pagini, iar imaginea a fost înfășurată într-un PDF. Nu există caractere în fișier, doar pixeli care arată ca caractere pentru ochiul uman. Extracția cuvintele din el necesită OCR, care redă pagina și potrivește formele cu un model antrenat pentru limba aleasă.

Extractorul verifică fiecare pagină înainte de a decide. Dacă pagina are un strat de text utilizabil, acel strat este citit și rezultatul este exact. Dacă nu, pagina este redată ca o imagine și trimisă prin același motor OCR care alimentează extractorul de imagini. Fișierele care combină cele două primesc ambele tratamente, o pagină pe rând, iar rezumatul rezultatului indică ce metodă a fost folosită pentru fiecare pagină. Fiecare fișier este citit până la 25 de pagini pe PDF.

Extrasele de cont, ID-urile și contractele rămân pe dispozitivul dumneavoastră

Documentele din care oamenii doresc cel mai mult să extragă text sunt cele pe care ar trebui să fie cel mai puțin dispuși să le încarce. Extrasele de cont, fluturașele de salariu, formularele fiscale, contractele semnate, scrisorile medicale și scanările unui pașaport sau ale unui card de identitate. Fiecare dintre acestea este un fișier pe care nu l-ați trimite prin email unei persoane străine, iar predarea acestuia unui site pe care l-ați găsit într-un rezultat de căutare este aceeași acțiune cu mai puțini pași.

Acest extractor nu are un punct de încărcare. PDF-ul dumneavoastră este citit de pe disc în pagină, deschis de un cititor PDF care rulează în browserul dumneavoastră și transformat în text în memorie. Cererile pe care le face pagina sunt pentru propriile sale mașinării: cititorul în sine și, atunci când o pagină necesită OCR, motorul de recunoaștere și modelul de limbă. Toate acestea sunt servite de acest site și călătoresc doar către dumneavoastră.

Nu trebuie să luați asta pe credință. Deschideți fila de rețea a browserului înainte de a începe o rulare, apoi urmăriți-o în timp ce textul apare. Veți vedea mașinăriile sosind și nimic transportând documentul dumneavoastră. Aceasta este o afirmație pe care o puteți verifica în mai puțin de un minut, ceea ce este mai mult decât vă oferă o politică de confidențialitate.

Ce nu face acest instrument

Această pagină merge într-o singură direcție. Citește un PDF și vă oferă text simplu. Nu scrie un PDF. Nu returnează un PDF căutabil cu un strat de text adăugat. Nu reconstruiește documentul dumneavoastră ca un fișier de procesor de texte cu layout-ul original intact. Ceea ce obțineți sunt cuvintele.

De asemenea, nu combină, nu împarte, nu rotește, nu comprimă și nu protejează nimic cu parolă. Există site-uri pentru toate acestea, iar majoritatea au nevoie de fișierul dumneavoastră pe serverul lor pentru a face munca. Aceasta este tranzacția pe care această pagină este construită să o evite.

Dacă doriți să mergeți în cealaltă direcție și să transformați fotografii sau scanări într-un singur PDF, convertorul JPG în PDF de pe acest site face asta. Funcționează în browser exact așa cum face această pagină. Dacă sursa dumneavoastră este o captură de ecran sau o fotografie în loc de un PDF, extractorul de imagini este pagina pe care o doriți.

De ce LeanImg?

PDF-ul este citit pe dispozitivul dumneavoastră, pagină cu pagină, iar textul rămâne acolo cu el. Explorați toate instrumentele noastre de imagine gratuite pentru a menține restul fluxului dumneavoastră de lucru în browser și.

  • Nimic nu se încarcă

    Extrasele de bancă, ID-urile și contractele sunt exact fișierele pe care nu ar trebui să le trimiți pe serverul unui străin. Acest instrument nu are server la care să le trimită.

  • Exact acolo unde poate fi

    PDF-urile digitale sunt citite din stratul lor de text literal. Numai paginile scanate trec prin OCR, iar fiecare rezultat spune ce metodă a fost folosită.

  • Gratuit și nelimitat

    Fără înscriere, fără credite, fără filigrane și fără nivel plătit. Până la 25 de pagini pe PDF, câte PDF-uri aveți nevoie.

Cum arată numerele

Patru PDF-uri au trecut prin acest extractor cu textul lor cunoscut dinainte. Scorul este o comparație caracter cu caracter a ieșirii față de acel text. Trei dintre fișiere au fost născute digitale, exportate direct dintr-un browser, așa că caracterele erau deja în interiorul lor. Cel scanat a fost realizat prin trecerea unui screenshot prin converterul JPG în PDF al acestui site, care lasă o imagine a unei pagini și fără caractere deloc. Ultima linie este un fișier de 28 de pagini. A fost construit pentru a depăși limita de pagini, așa că nimic din el nu a fost evaluat pentru acuratețe.

Măsurători din rulări reale pe 2026-08-12, pe hardware desktop. Duratele sunt lăsate intenționat deoparte, deoarece un telefon este mai lent decât mașina pe care acestea au rulat. Linia scanată este o captură sintetică curată; pentru ce costuri de degradare, vedeți linia de 92.4% pe pagina de la imagine la text.
FixturePaginiMetodăSimilaritate
PDF născut-digital1 din 1Strat de text100.0%
PDF scanat1 din 1OCR100.0%
PDF digital de trei pagini3 din 3Strat de text100.0%
PDF supradimensionat25 din 28Strat de textNeevaluat

Acele rânduri au fost produse prin două metode, iar fișierul decide care dintre ele se aplică. Mai întâi se verifică dacă fiecare pagină are un strat de text, iar când caracterele există, sunt citite ca atare, fără niciun pas de recunoaștere. Doar aici se potrivește cuvântul „exact”, și nicăieri altundeva pe această pagină. O pagină fără un strat de text utilizabil este redată ca imagine și predată aceluiași motor OCR care citește capturile de ecran, așa că preia acuratețea acelui motor și felurile în care acesta greșește. Fișierele care le amestecă pe cele două primesc ambele tratamente, pagină cu pagină.

Rezultatul vă spune ce s-a întâmplat. Un PDF citit integral din stratul de text este etichetat „exact”, iar cardul nu afișează un scor de încredere pentru el. Orice document care conține o pagină OCR afișează un scor, cu excepția cazului în care este selectată opțiunea „Scris de mână în engleză”. Un document cu mai multe pagini afișează și o linie care numără paginile citite din stratul de text față de paginile care au trecut prin OCR. Acest scor este o medie ponderată pe caractere pentru întregul document, iar paginile cu strat de text intră în ea cu 100. La un fișier mixt, interpretați-l drept cât din text este de încredere, nu cât de bine a funcționat OCR-ul. Linia de rezumat pe pagini este cea care vă spune câte pagini au fost recunoscute de fapt.

Ce se descarcă la prima utilizare

Ambele motoare rulează pe mașina dumneavoastră, așa că trebuie să ajungă acolo mai întâi. Deschiderea unui PDF aduce lucrătorul pdf.js, care are aproximativ 1.3 MB. Motorul OCR și un model de limbă vin împreună cu el, aproximativ 6 MB în total, și acestea vin chiar și atunci când fiecare pagină se dovedește a fi digitală și nu se rulează niciun fel de recunoaștere. Aceasta este o descărcare irosită pe un fișier născut-digital. Este o limitare curentă și repararea acesteia este pe listă.

Totul este servit de pe acest site și nimic dintr-un CDN de terță parte. Browserul dumneavoastră stochează totul, așa că următorul PDF în acea limbă începe fără nimic de descărcat. Documentele construite cu fonturi neobișnuite trag un fișier mic în plus pentru hărțile caracterelor, și doar acele documente fac asta. Nimic nu călătorește în cealaltă direcție. PDF-ul dumneavoastră este citit de pe disc în pagină și deschis în memorie, iar nicio cerere nu îl scoate afară.

Unde sunt limitele

Limita este de 25 de pagini pentru fiecare PDF. Fișierul de test supradimensionat are 28 de pagini, iar rularea a citit primele 25 și a indicat acest lucru pe cardul de rezultat. Un document mai lung oferă totuși un rezultat, iar soluția este să împărțiți fișierul cu un cititor PDF și să procesați paginile rămase într-o a doua rulare.

Un PDF protejat prin parolă este refuzat. Nu poate fi deschis fără parolă, iar această pagină nu vă va cere una. Instrumentul spune exact asta și se oprește. Deschideți fișierul în cititorul pe care îl folosiți deja, salvați o copie fără parolă și rulați acea copie.

Ordinea de citire este limita mai puțin vizibilă. Un strat de text înregistrează unde se află fiecare grup de caractere pe pagină și nimic despre ce înseamnă acestea, așa că coloanele, barele laterale și notele de subsol pot ieși într-o ordine pe care ochiul dumneavoastră nu ar urma-o niciodată. Tabelele își pierd grila și apar ca un șir cu conținutul celulelor, una după alta. Proza simplă este aproape întotdeauna în regulă. Un formular completat sau o pagină cu două coloane merită citite înainte de a vă baza pe ele.

Scrisul de mână dintr-o scanare nu este acoperit de motorul implicit. Acesta este antrenat pe caractere tipărite, iar un rând scris de mână iese ca zgomot care arată ca un text. O scanare care amestecă tipar și scris de mână vă oferă partea tipărită, iar în locul scrisului, text fără sens. Cu opțiunea „Scris de mână în engleză” selectată, acele pagini ies ca o ciornă. Va trebui verificată, pentru că corectarea cuvintelor poate schimba nume și greșeli de ortografie.

Încă o limită bună de știut: o scanare trecută deja prin OCR de alt program conține stratul de text invizibil al acelui program, iar acest instrument îl citește ca atare. Rezultatul corespunde exact fișierului, nu neapărat hârtiei de pe care a fost scanat.

Întrebări frecvente

La ce este folosit PDF în Text?

PDF în Text ajută la extragerea conținutului scris din documentele PDF pentru a putea fi copiat, editat sau reutilizat mai ușor.

Cum poate ajuta un converter PDF în text?

Un converter PDF în text face simplu să transformați conținutul PDF în text editabil fără a reintroduce manual documentul.

Care este diferența dintre un PDF digital și un PDF scanat?

Un PDF digital a fost produs de software, așa că conține caracterele în sine. Un PDF scanat este un stivă de imagini de pagină produse de un scanner sau o cameră, așa că nu conține deloc caractere. Această diferență decide totul despre rezultat. Fișierul digital vă oferă text exact. Fișierul scanat trebuie să fie recunoscut, iar recunoașterea este foarte bună pe scanări curate și mai puțin bună pe cele înclinate, neclare sau slab iluminate. De obicei, puteți spune ce tip aveți deschizând fișierul într-un cititor PDF și încercând să selectați o linie de text cu mouse-ul. Dacă selecția evidențiază cuvinte, există un strat de text.

Textul extras este exact pentru PDF-uri digitale?

Pentru paginile cu un strat de text real, da. Caracterele sunt citite din fișier mai degrabă decât recunoscute dintr-o imagine, așa că nu se aplică OCR asupra lor și nu există nimic de citit greșit. Ordinea de citire este singurul lucru care poate să vă surprindă, deoarece stratul de text stochează unde se află fiecare grup de caractere, mai degrabă decât ce înseamnă, așa că o pagină cu coloane sau bare laterale poate ieși într-o ordine care nu se potrivește cu modul în care vă mișcați ochii. Cuvintele în sine sunt cuvintele din fișier. Pagini fără strat de text trec prin OCR în schimb, iar acestea au precizia obișnuită de recunoaștere.

Câte pagini pot extrage deodată?

Până la 25 de pagini pe PDF. Un fișier mai lung este încă acceptat: primele 25 de pagini sunt extrase, iar o notificare pe rezultat vă spune câte pagini au fost omise. Limitarea există deoarece munca se desfășoară pe hardware-ul dumneavoastră, iar un document scanat lung înseamnă un pas OCR pe pagină în tab-ul browser-ului dumneavoastră. Dacă aveți nevoie de restul, împărțiți fișierul într-un cititor PDF și rulați paginile rămase ca un al doilea fișier.

Pot extrage text dintr-un PDF protejat prin parolă?

Nu. Un PDF criptat nu poate fi deschis fără parola sa, iar această pagină nu vă cere una sau nu încearcă să o ocolească. Veți primi o eroare clară în loc de un rezultat gol. Deschideți fișierul în cititorul pe care îl folosiți de obicei, autentificați-vă așa cum faceți de obicei, salvați o copie cu parola eliminată și rulați acea copie prin aici.

Fișierul meu PDF este încărcat pe un server?

Nu. Fișierul este citit de pe discul dumneavoastră în pagină și deschis de un cititor PDF care rulează în browserul dumneavoastră. Nu există un punct de încărcare pe acest site pentru a-l primi. Acesta este întregul punct pentru documentele pe care oamenii le aduc efectiv la un instrument ca acesta: extrase bancare, fluturași de salariu, formulare fiscale, contracte semnate și scanări ale unui ID. Urmăriți tab-ul de rețea în timpul unei runde și veți vedea cititorul și modelul OCR sosind, și nimic plecând cu documentul dumneavoastră.

Ce limbi poate citi?

Partea OCR citește engleză, spaniolă, română, arabă, greacă, turcă, indoneziană, rusă și japoneză. Alegeți limba înainte de a extrage textul, deoarece motorul compară formele cu modelul pe care îl alegeți, iar cu un model de limbă greșit citește prost. Paginile care au deja un strat de text ignoră complet setarea, deoarece acele caractere sunt citite din fișier așa cum sunt, indiferent de sistemul de scriere folosit. Scrisul de mână este citit doar în engleză, printr-o opțiune proprie din listă.

Pot extrage text din mai multe PDF-uri deodată?

Da. Selectați un lot și fișierele sunt procesate în secvență mai degrabă decât în paralel. Fiecare rezultat apare imediat ce fișierul său este terminat, așa că puteți începe să citiți în timp ce restul sunt încă în curs de rulare. O selecție cuprinde până la 10 fișiere și 50 MB. Procesarea secvențială menține utilizarea memoriei previzibilă, ceea ce contează cel mai mult pe un telefon.

Păstrează tabelele și layout-ul?

Nu. Ieșirea este text simplu, așa că un tabel revine ca conținutul celulelor sale mai degrabă decât ca o grilă, iar anteturile, notele de subsol și legendele nu sunt marcate ca nimic. Ordinea de citire poate diferi, de asemenea, de layout-ul vizual, deoarece poziția este ceea ce stochează fișierul și semnificația nu este. Proza dreaptă trece aproape întotdeauna în ordinea corectă. O pagină cu bare laterale, mai multe coloane sau un formular completat este locul unde ar trebui să citiți ieșirea înainte de a vă baza pe ea.

Poate citi scrisul de mână într-un PDF scanat?

Cu aproximație, în engleză. Cu o limbă obișnuită selectată, veți primi zgomot care arată ca un text acolo unde este scrisul. Alegeți „Scris de mână în engleză” și fiecare pagină scanată trece printr-un model separat care vă oferă o ciornă, inclusiv rândurile tipărite. Corectarea cuvintelor poate transforma nume și greșeli de ortografie în alte cuvinte reale, așa că va trebui să verificați fiecare rând comparându-l cu scanarea. Fotografiile cu table albe se citesc slab, iar prima utilizare descarcă aproximativ 108 MB. O pagină cu strat de text este citită în continuare exact așa cum o stochează fișierul.

În ce format este textul extras?

Text simplu. Copiați-l în clipboard-ul dumneavoastră cu un singur buton sau descărcați-l ca fișier .txt, cu paginile separate și etichetate astfel încât să puteți găsi locul într-un document lung. Nu există fișier de procesor de text, nu există PDF căutabil și nu există formatare transferată. Dacă aveți nevoie de cuvinte undeva altundeva, lipiți-le într-un document, un tabel sau un translator.

Cum transform imagini într-un PDF în schimb?

Aceasta este direcția opusă și are propria sa pagină pe acest site. Converterul JPG în PDF preia fotografii sau scanări și le scrie într-un singur PDF, în browserul dumneavoastră, fără a încărca nimic. Folosiți-l când aveți imagini și aveți nevoie de un document. Folosiți această pagină când aveți un document și aveți nevoie de cuvintele din el.

Este converterul PDF în text cu adevărat gratuit?

Da, gratuit fără cont și fără contor de utilizare. Nu există înscriere, nu există filigran pe text, nu există credite și nu există un nivel plătit care să rețină o versiune mai bună. Extracția se desfășoară pe hardware-ul dumneavoastră, așa că nu există cost pe fișier pentru server pe care să-l transferăm la dumneavoastră.

Lucrați cu imagini în schimb? Extrage text din imagini citește capturi de ecran, scanări și fotografii ale documentelor. Mergeți în cealaltă direcție? Transformați imaginile într-un PDF cu convertorul JPG în PDF.

PDF în text fără să vă încărcați fișierul

  • Rulează în browserul dumneavoastră. PDF-ul se deschide în această filă, iar textul este extras aici.
  • Fără încărcare, fără cont. Nu este nevoie de înscriere, iar fișierele dumneavoastră nu sunt niciodată trimise pe un server.
  • Utilizare gratuită.

Alte instrumente pentru imagini