Nejde kopírovat text z PDF? Proč to nejde a jak text získat

Pokud v PDF nemůžete označit slova, jsou stránky pravděpodobně obrázky textu, tedy sken nebo fotografie, a ne text. Vložte soubor do nástroje PDF na text. Pokud najde slova, zkopírujte je odtud. Pokud ohlásí, že nebyl nalezen žádný text, stránky potřebují OCR (optické rozpoznávání znaků), které z obrázku přečte písmena. Oba kroky běží ve vašem prohlížeči a soubor se nikam nenahrává.

PDF na textPotřebuji dostat text z PDFVyzkoušet zdarma

Textové PDF, nebo naskenované PDF

Textové PDF ukládá každé písmeno jako znak s písmem a pozicí na stránce. Naskenované PDF ukládá každou stránku jako jeden obrázek, stejně jako fotografie, takže není co označit. Některé soubory obsahují obojí: psané stránky s naskenovaným podpisem nebo naskenovaný formulář s psaným nadpisem.

Vyzkoušejte to v prohlížeči PDF tak, že označíte jedno slovo. Pokud zvýraznění sleduje písmena, text tam je. Pokud můžete označit jen celou stránku, nebo nic, je stránka obrázek.

Co vidíte	Co to obvykle znamená	Co dělat
Slova se označí a zkopírují	Textové PDF	Kopírujte přímo, nebo použijte PDF na text pro celý soubor
Nic se neoznačí a PDF na text žádný text nenajde	Naskenované nebo vyfocené stránky	Vykreslete stránky a spusťte OCR
Slova se označí, ale vloží se jako divné znaky	Písma nepřiřazují písmena správně zpět ke znakům	Zkuste PDF na text; pokud je výsledek stále poškozený, použijte OCR
Prohlížeč označování blokuje	Omezení kopírování, které nastavil autor	Přečtěte si část o omezeních

Proč PDF nedovolí kopírovat

Kopírování brání tři věci a každá má jiné řešení:

• Stránky jsou naskenované obrázky. Text v souboru vůbec není, takže jediný způsob, jak ho získat zpět, je OCR.
• Soubor se otevírá jen s heslem. Dokud ho neodemknete heslem, které máte, v programu, ve kterém ho obvykle otevíráte, nelze ho přečíst. Nástroje zde se zamčené soubory nesnaží otevřít.
• Autor nastavil omezení kopírování. Některá PDF žádají prohlížeče, aby neumožnily kopírování nebo úpravy. Je to nastavení, které zvolil autor, a fixmint ho neobchází. Pokud na to máte nárok, požádejte o verzi bez omezení, nebo ji exportujte z programu, ve kterém soubor vznikl.

Získejte text z textového PDF

1. Přetáhněte PDF do pole v nástroji PDF na text a počkejte, dokud se načte každá stránka.
2. Zkontrolujte počty stránek a slov, které se zobrazí.
3. Pokud chcete označit každou stránku, zaškrtněte Značky stránek. Pro prostý text ji nechte vypnutou.
4. Zkopírujte text, nebo ho stáhněte jako soubor .txt.

Sloupce, tabulky a záhlaví se mohou seřadit jinak, protože PDF ukládá, kde je který text vykreslen, ne to, ke kterému odstavci patří. Pokud každý řádek končí pevným zalomením, přečtěte si, proč se text zkopírovaný z PDF zalamuje na každém řádku, a pak text vložte do nástroje Oprava vloženého textu, který spojí řádky každého odstavce.

Získejte text z naskenovaného PDF

Naskenované stránky vyžadují dva kroky: každou stránku převést na obrázek a pak přečíst text v každém obrázku. Stejný krok čtení funguje i pro snímek obrazovky nebo fotografii, jak vysvětlujeme zde.

1. Přetáhněte PDF do nástroje PDF na JPG. Pro text zvolte PNG, protože zachovává ostré hrany písmen, a pro drobný tisk 300 DPI. Vyberte jen stránky, které potřebujete, nebo nechte všechny.
2. Stáhněte stránky. Každá se uloží jako samostatný obrázek, nebo přijdou všechny v archivu ZIP.
3. Otevřete Obrázek na text a přetáhněte první stránku. Slova se zobrazí, jakmile je stránka přečtena. Slova, u kterých si motor není jistý, jsou označena červeně.
4. Opakujte u každé stránky v pořadí. Zaškrtněte Spojit řádky do odstavců, abyste odstranili zalomení řádků, a pak výsledek zkopírujte.
5. Před použitím zkontrolujte každé číslo, jméno a datum podle stránky.

Obrázek na text čte jeden obrázek najednou a pouze anglický text. Nástroj při spuštění načte OCR motor a jeho anglický jazykový model z webu a obrázek se pak čte na vašem zařízení. Velká nebo pomalu zpracovávaná stránka může chvíli trvat, takže počkejte na výsledek, než ho zkopírujete. Nejlépe se čtou ostré, rovné a rovnoměrně osvětlené stránky. Oříznete okraje fotografie a držte fotoaparát kolmo ke stránce.

Časté chyby

• Ukládání textových stránek jako JPG. JPG rozmazává hrany písmen, což snižuje přesnost. Pro stránky jen s textem je lepší PNG.
• Důvěřovat OCR bez kontroly. Rozpoznávání není dokonalé. Čísla a jména porovnejte se stránkou.
• Očekávat, že tabulky zůstanou tabulkami. OCR čte řádky, takže tabulka může vypadat jako seznam. Výsledek porovnejte se stránkou.
• Používat OCR na rukopis. Obrázek na text je určen pro tištěný text. Rukopis se obvykle čte špatně, takže tyto části přepište ručně.

Často kladené otázky

Nahrává OCR mé naskenované stránky?

Ne. Stránka se čte ve vašem prohlížeči a obrázek se nikdy neodešle na server. Web doručí OCR motor a jeho anglický jazykový model do vašeho prohlížeče a čtení probíhá tam.

Co když některé stránky nemají žádný text?

Zapněte Značky stránek v nástroji PDF na text. Stránka, která pod svou značkou nic nezobrazí, je sken, zatímco psané stránky ukážou svůj text. Pouze tyto stránky pak zpracujte přes PDF na JPG a Obrázek na text a výsledky vraťte do správného pořadí.

Proč se zkopírovaný text zalomí na konci každého řádku?

PDF ukládá každý vytištěný řádek zvlášť, takže kopírování tyto zalomení zachová. Použijte Oprava vloženého textu, která spojí řádky každého odstavce. Průvodce zalomením řádků vysvětluje, proč k tomu dochází.

Dokáže Obrázek na text číst rukopis nebo jiné jazyky?

Je určen pro tištěnou angličtinu v latince a rukopis se obvykle čte špatně. Jiná písma, například arabská, čínská nebo cyrilice, nejsou podporována.