Как скопировать текст из PDF
Текст из PDF нужен постоянно: цитату — в доклад, реквизиты — в письмо, абзац — в переводчик. Но не каждый документ отдаёт текст выделением: в части файлов курсор упирается в страницу как в картинку. Разберёмся, почему так происходит и как достать текст в любом случае.
Почему текст не копируется
PDF хранит текст как текст только если в документе есть текстовый слой. Документы, собранные из редакторов и экспорта из программ, его имеют. А сканы и фотографии страниц — нет: для компьютера это просто изображение, и выделять там нечего.
Иногда текстовый слой есть, но копирование ломается: шрифт без правильной таблицы соответствий превращает скопированный текст в набор бессмысленных символов. Это тоже решается извлечением или распознаванием.
Как извлечь текст из PDF
- Откройте извлечение текста из PDF и загрузите документ.
- При необходимости укажите страницы — иначе обработается весь файл.
- Нажмите «Извлечь текст» — результат скачается файлом TXT.
- Откройте TXT и скопируйте нужный фрагмент.
Извлечение выполняется в браузере: PDF не покидает ваше устройство. Такой способ удобнее ручного выделения, когда страниц много: весь текст собирается одним файлом.
Если текста нет — это скан
Если извлечение вернуло пустой файл, перед вами скан или фотография страниц без текстового слоя. Такой документ нужно распознать: OCR для PDF отрендерит страницы и распознает текст через tesseract. Языки — русский и английский, по отдельности или вместе в смешанном режиме.
Качество распознавания зависит от скана: размытие, наклон, мелкий шрифт и рукописный текст снижают точность. Для печатных документов с разрешением от 200 dpi результат обычно хороший.
Что сохраняется при извлечении
Извлечение текста — это про содержимое, а не про оформление. Инструмент восстанавливает переносы строк и пробелы по расположению текста, но не сохраняет шрифты, цвета и таблицы. Для точного вида документа используйте исходный PDF.
- Сохраняется: текст, порядок абзацев, переносы строк.
- Не сохраняется: шрифты, цвета, рамки, таблицы и колонки.
Поэтому для цитирования и перевода извлечённый текст подходит отлично, а для воспроизведения макета — нет.
Частые вопросы
Почему текста нет после извлечения?
Скорее всего, PDF — это скан или фотография страниц без текстового слоя. Такой документ нужно распознать через OCR.
Сохраняется ли форматирование?
Инструмент восстанавливает переносы строк и пробелы по расположению текста, но не сохраняет шрифты, цвета и таблицы.
Файлы загружаются на сервер?
Нет. Извлечение текста выполняется в браузере, PDF не покидает ваше устройство.
Можно ли извлечь текст только с нужных страниц?
Да. Укажите страницы при загрузке — текст соберётся только с них. Это удобно для больших документов, где нужен один раздел.
Если в PDF есть текстовый слой, текст достаётся извлечением в TXT. Если документ — скан, поможет распознавание. В обоих случаях вы получите текст, который можно копировать, редактировать и переводить.