Шаг первый: проверьте, есть ли в PDF текст
Откройте файл в браузере или просмотрщике и попробуйте выделить слово мышью. Если слово подсвечивается, внутри есть текст, его можно достать. Если подсвечивается вся страница или ничего не происходит, то это картинка: скан или фото документа. Читать такой файл как текст нельзя, его нужно распознать.
| Что видите | Причина | Как достать текст |
|---|---|---|
| Слова выделяются, копируются нормально | В PDF есть текст | Скопировать или перевести в TXT или Word |
| Слова выделяются, но при вставке странные знаки | Шрифт встроен без таблицы символов | Распознать страницы как картинки |
| Выделение не работает, копировать нельзя | Автор запретил копирование | Снять запреты, пароль не нужен |
| Выделяется вся страница целиком | Это скан, внутри картинка | Распознать текст с картинки |
Если текст в PDF есть
- Откройте страницу «PDF в текст» и выберите файл: текст появится сразу.
- Решите, склеивать ли строки. Для обычных абзацев склейка нужна, для стихов, кода и списков лучше отключить.
- Добавьте отметки страниц, если нужно знать, откуда взят фрагмент.
- Скопируйте результат или скачайте в TXT. Для работы в Word выберите DOCX: получится документ с абзацами без исходного оформления.
Оформление не переносится: таблицы, колонки и картинки теряют вид, зато текст остаётся чистым. Если в документе таблицы, после копирования их придётся собрать заново.
Если копирование запрещено
Автор может поставить запрет на копирование, печать или изменение. Такой запрет не шифрует содержимое, поэтому его можно снять без пароля на странице «Снять пароль с PDF». Когда файл защищён паролем на открытие, без пароля его не прочитать. Убирайте защиту только с тех документов, на которые у вас есть права.
Если PDF это скан: распознавание в два шага
- Переведите страницы в картинки на странице «PDF в JPG»: каждый лист станет отдельным файлом.
- Откройте «Распознать текст с картинки», добавьте полученные картинки и выберите язык: русский, английский или оба сразу.
- Запустите распознавание: результат появится на странице, его можно править, копировать и сохранить в TXT.
Как получить точное распознавание
- Чем чётче скан, тем меньше ошибок. Для распознавания хватает 300 точек на дюйм: лист A4 тогда получается шириной около 2500 пикселей.
- Выровняйте страницу и уберите тени: перекошенный лист и тёмные поля путают программу.
- Если скан бледный или тёмный, включите «Усилить контраст».
- Перечитайте цифры, даты, фамилии и номера: именно в них чаще всего встречаются ошибки.
- Не распознавайте рукописный текст и мелкие шрифты низкого качества: результат будет с ошибками.
Распознавание идёт в браузере, картинка не уходит на сервер, поэтому так можно обрабатывать и личные документы.
Если нужно скопировать только фрагмент
Для одного абзаца необязательно переводить весь файл. Откройте PDF в браузере, выделите нужное мышью, нажмите Ctrl + C и вставьте в документ. Если выделение не работает, сделайте снимок экрана нужного фрагмента сочетанием Win + Shift + S и вставьте его на страницу «Распознать текст с картинки» через Ctrl + V: текст распознается сразу.
Что исправить после копирования
| Что видите | Как исправить |
|---|---|
| Каждая строка с новой строки | Включите склейку строк на странице «PDF в текст» или уберите переносы в редакторе |
| Слова разорваны дефисом | Склейте их вручную: переносы слов в PDF бывают жёсткими |
| Лишние номера страниц и колонтитулы | Отключите отметки страниц и удалите повторяющиеся строки вручную |
| Две колонки перемешались | Копируйте колонки по отдельности или распознайте страницу как картинку |
| Вместо «ё» и других букв странные символы | Распознайте страницы по картинкам |
Когда лучше не копировать
Если документ нужен для юридических целей, цитирования или перепроверки цифр, сверяйте скопированный текст с оригиналом: даже у хорошего распознавания бывают ошибки в числах, датах и фамилиях. Чужие тексты можно копировать для себя, а для публикации учитывайте права автора. Если защита PDF запрещает копирование, это решение автора: снимайте её только с собственных документов.