PDF in testo

Come usare lo strumento PDF in testo

Funzioni principali dello strumento PDF in testo

Informazioni sullo strumento PDF in testo

PDF in testo legge ogni pagina con pdf.js e unisce le sequenze di testo con degli spazi. Le interruzioni di riga all'interno di una pagina non vengono ricostruite, quindi ogni pagina esce come un'unica sequenza di testo sotto una riga di marcatura che indica la pagina. Il risultato viene offerto come download .txt e mostrato in un campo modificabile con un pulsante di copia.

Usalo per cercare in un documento lungo, passare le parole a un altro programma, o incollare un passaggio in appunti o in un'email senza ridigitarlo. Formattazione, immagini e tabelle non vengono mantenute, e l'ordine di lettura di pagine a più colonne potrebbe non esserlo. Un PDF scansionato non ha un livello di testo, quindi il file esce con solo i marcatori di pagina; elaboralo prima con OCR PDF.

Quando usare lo strumento PDF in testo

Una rivista o un concorso impone un limite di parole e hai solo il PDF. Estrai il testo, incollalo dal campo in un contatore di parole, e ottieni il numero senza dover ridigitare nulla. Anche le righe di marcatura vengono conteggiate, quindi rimuovile prima se il conteggio deve essere esatto.

Devi tradurre un documento con un traduttore online che accetta testo incollato. Estrailo, copia una pagina alla volta dal campo, e usa le righe di marcatura per tenere il segno. L'output è in UTF-8, quindi caratteri accentati e alfabeti non latini si conservano quando i font del PDF portano i loro valori Unicode.

Un elenco di indirizzi email, codici articolo o URL è intrappolato in un PDF e lo vuoi in un foglio di calcolo. Poiché questo strumento unisce tutto con degli spazi, una tabella esce come un'unica sequenza per pagina; PDF in Excel mantiene le colonne ed è la scelta migliore per questo caso. Per un documento di cui devi conservare titoli e paragrafi, usa PDF in Word o PDF in Markdown.

Per scoprire cosa è cambiato tra due versioni di un documento, non estrarle entrambe per confrontarle a mano: Confrontare PDF esegue un confronto a livello di parola tra i due file direttamente. E per una scansione, elabora prima con OCR PDF, poi estrai; questo strumento legge proprio il livello OCR.

Suggerimenti e risoluzione dei problemi

• Impossibile estrarre il testo: No password given significa che il PDF richiede una password per essere aperto. Qui non c'è alcun campo per la password; rimuovi la protezione ed estrai dalla copia. Le restrizioni di copia e stampa non impediscono l'estrazione.
• Impossibile estrarre il testo: Invalid PDF structure significa che il file trascinato non è un PDF. Il trascinamento accetta qualsiasi file, a differenza del selettore.
• Ogni pagina inizia con una riga che riporta --- Page N ---. Rimuovi quelle righe con trova e sostituisci se non le vuoi nel testo.
• Potresti notare spazi doppi dove le righe finivano nel PDF, perché pdf.js segnala una fine riga come una sequenza vuota e ogni sequenza viene unita con uno spazio. Un trova e sostituisci di due spazi con uno li elimina.
• Caratteri errati o mancanti significano che il font del PDF non ha una mappatura Unicode per loro; lo strumento scrive ciò che il file contiene. Elaborare il PDF con OCR PDF riconosce invece le parole dalla pagina visualizzata.
• Il campo sotto il risultato mostra otto righe alla volta. Trascina l'angolo inferiore per renderlo più alto, oppure scorri al suo interno.
• Anteprima documento mostra lo stesso testo in un riquadro. Il file scaricato è in UTF-8 con interruzioni di riga Unix e prende il nome del PDF con estensione .txt. Elabora un altro file ricarica la pagina, il che scarta qualsiasi modifica nel campo, quindi copia o scarica prima.
• Il testo semplice non ha titoli. PDF in HTML legge lo stesso livello di testo e marca alcune righe brevi come titoli in un file HTML autonomo.
• Se l'output contiene solo le righe --- Page N ---, il PDF è una scansione. Come rendere ricercabile un PDF scansionato inizia con un controllo rapido e mostra come aggiungere il livello di testo che questo strumento legge.

Come funziona lo strumento PDF in testo nel tuo browser

Lo script legge il file in un ArrayBuffer e lo passa a pdf.js, il cui worker (da cdnjs.cloudflare.com) analizza il documento. Per ogni pagina chiama getTextContent, che restituisce le sequenze di testo nell'ordine in cui il flusso di contenuto della pagina le disegna, e unisce le loro stringhe con singoli spazi dopo una riga di marcatura che indica la pagina. Le pagine vengono concatenate in un'unica stringa, che diventa un Blob di tipo text/plain con codifica UTF-8. In questa pagina viene caricato solo pdf.js; non serve alcuna libreria ZIP.

showResult disegna la scheda del risultato a partire da quel Blob, e lo script aggiunge poi una textarea che contiene lo stesso testo e un pulsante Copia negli appunti che scrive il contenuto attuale del campo con l'API clipboard del browser; il pulsante mostra Copiato per due secondi. Scarica file salva la stringa originale tramite un URL di oggetto temporaneo, e Anteprima documento la carica in un riquadro. I byte del PDF e il testo restano nella memoria della scheda e non vengono mai inviati da nessuna parte.

Domande frequenti