Může nastat chvíle, kdy budete potřebovat extrahovat text ze souboru PDF. Možná jej budete chtít zkopírovat a vložit do dokumentu textového editoru, nebo možná budete chtít text archivovat pro budoucí použití.
Někdy to však může být frustrující proces. Většina souborů PDF je určena k prohlížení na obrazovce nebo k vytištění tak, jak je. Pokus o výběr pouze požadovaného textu vede k tomu, že často vybíráte příliš mnoho nebo příliš málo. A pokud chcete uložit text jako jiný formulář, nemůžete to udělat přímo z prohlížeče PDF jako Edge.
Naštěstí existuje několik metod, které můžete použít k extrahování textu ze souboru PDF a proces mnohem jednodušší.
Jak extrahovat text z PDF?
- Použijte Adobe Acrobat Pro
Adobe Acrobat Pro, placený program, je jednou z nejpopulárnějších dostupných čteček PDF a má také některé výkonné funkce extrakce textu. Stačí otevřít soubor PDF v aplikaci Adobe Acrobat a přejít na „Nástroje“ > „Exportovat PDF“. Existuje několik formátů, ve kterých můžete exportovat PDF, včetně Word, Rich Text, Excel, PowerPoint a Image.
Můžete také přidat více souborů PDF a exportovat je všechny najednou, takže nemusíte procházet procesem jeden po druhém.
Chcete-li z PDF extrahovat konkrétní frázi nebo část textu (například datovou tabulku), jednoduše vyberte oblast a poté ji exportujte kliknutím pravým tlačítkem.
Případně můžete využít PDFelement pokud Adobe Acrobat není vaše věc.
- Použijte online převodník PDF
Pokud nechcete do počítače instalovat žádný software, existuje řada online převodníků PDF, které vám pomohou extrahovat text ze souboru PDF. Najděte ten, který podporuje formát, ve kterém ho chcete exportovat, a nahrajte svůj PDF.
Ačkoli některé z těchto služeb lze používat zdarma, většina z nich má určitá omezení, jako je omezení velikosti souboru, omezení počtu stránek nebo vodoznak na výstupním dokumentu.
- Používejte Dokumenty Google
Dokumenty Google lze také použít k extrahování textu z PDF. Chcete-li provést tento úkol, jednoduše nahrajte soubor PDF na svůj Disk Google a poté jej otevřete v Dokumentech Google.
Jakmile je PDF otevřený, přejděte na „Soubor“ > „Stáhnout“ a vyberte jeden z cílových formátů. Soubor se stáhne do vašeho počítače, kde ho pak můžete upravovat podle libosti.
Jak mohu extrahovat text z naskenovaného PDF?
Pokud se pokoušíte extrahovat text z naskenovaného PDF, bude to obtížnější, protože soubor PDF je v podstatě obrazem textu. V tomto případě budete muset k extrahování textu použít nástroj pro optické rozpoznávání znaků (OCR).
Jeden výkonný OCR program je Icecream PDF Converter . Dokáže přeměnit naskenované soubory PDF na upravitelné textové soubory pomocí pouhých několika kliknutí.
Funguje to takto:
- Nainstalujte a otevřete Icecream PDF Converter na vašem počítači se systémem Windows (pro Mac použijte Stejný PDF Converter OCR ).
- Klikněte na „Z PDF“ a vyberte naskenovaný soubor PDF, který chcete převést.
- Vyberte výstupní formát pro nový soubor a klikněte na „Převést“.
Po dokončení převodu bude soubor uložen do vašeho počítače.
Icecream PDF Converter podporuje více než 12 jazyků OCR a dokáže převádět PDF do DOC, DOCX, HTML, ODT, RTF, TXT atd.
Dokumenty Google, které jsme zmínili dříve, mají také funkci OCR, kterou lze použít k převodu naskenovaných souborů PDF na upravitelné textové dokumenty. Ačkoli to není tak komplexní jako Icecream PDF Converter nebo Cisdem PDF Converter OCR, ve většině případů to stále zvládne.
Jak extrahovat text z chráněného PDF?
Některé soubory PDF jsou uzamčeny heslem pro úpravy nebo mají jiná bezpečnostní opatření, která vám brání v extrahování textu. Pokud potřebujete extrahovat text z chráněného PDF, budete muset použít program pro odemykání PDF, jako je např Passper pro PDF .
Passper for PDF je výkonný program, který dokáže ze souborů PDF odstranit hesla pro úpravy a další bezpečnostní omezení, jako jsou omezení tisku, kopírování a další. Proces převodu je jednoduchý a rychlý, takže k tomu nemusíte být počítačový mág.
Jednoduše si stáhněte a nainstalujte software do počítače a poté otevřete zabezpečený soubor PDF v aplikaci Passper for PDF.
Klikněte na tlačítko „Odebrat omezení“ a program začne odstraňovat ochranu ze souboru PDF. Jakmile to bude hotové, budete moci otevřít soubor PDF v Edge, PDFelement, Google Docs nebo jakémkoli jiném programu pro prohlížení PDF a extrahovat text.
Extrahování textu ze souboru PDF nemusí být složitý proces. Se správnými nástroji můžete snadno extrahovat text i z nejchráněnějších souborů PDF.
