Лоадика
ЛОАДИКАOnline Tools
Форматы и файлы

Как скопировать текст из PDF

Почему из некоторых PDF не копируется текст и как это исправить: извлечение текста в TXT, распознавание сканов через OCR и что не сохраняется.

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

  1. Откройте извлечение текста из PDF и загрузите документ.
  2. При необходимости укажите страницы — иначе обработается весь файл.
  3. Нажмите «Извлечь текст» — результат скачается файлом TXT.
  4. 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.

Инструменты по теме

Пригодятся для задачи из статьи.