Kan du ikke kopiere tekst fra en PDF? Sådan får du teksten

Hvis du ikke kan markere ord i en PDF, er siderne mest sandsynligt billeder af tekst, altså en scanning eller et foto, og ikke rigtig tekst. Træk filen ind i PDF til tekst. Finder den ord, kan du kopiere dem derfra. Melder den, at der ikke er fundet nogen tekst, skal siderne igennem OCR (optisk tegngenkendelse), som læser bogstaverne ud af billedet. Begge trin kører i din browser, og filen bliver aldrig uploadet.

PDF til tekstJeg vil have teksten ud af en PDFPrøv gratis

Tekst-PDF eller scannet PDF

En tekst-PDF gemmer hvert bogstav som et tegn med en skrifttype og en placering på siden. En scannet PDF gemmer hver side som ét billede, ligesom et foto, så der er ingenting at markere. Nogle filer blander de to: skrevne sider med en scannet underskrift, eller en scannet blanket med en skrevet titel.

Prøv det i din fremviser ved at markere ét ord. Følger markeringen bogstaverne, er teksten der. Kan du kun markere hele siden, eller slet ingenting, er siden et billede.

Det du ser	Det betyder typisk	Det skal du gøre
Ord kan markeres og kopieres	En tekst-PDF	Kopier direkte, eller brug PDF til tekst for hele filen
Intet kan markeres, og PDF til tekst finder ingen tekst	Scannede eller fotograferede sider	Lav billeder af siderne, og kør derefter OCR
Ord kan markeres, men indsættes som mærkelige symboler	Skrifttyperne knytter ikke bogstaverne korrekt til tegnene	Prøv PDF til tekst; er resultatet stadig forvansket, brug OCR
Fremviseren blokerer markering	En kopibegrænsning, som ophavsmanden har sat	Se afsnittet om begrænsninger

Hvorfor en PDF ikke lader dig kopiere

Tre ting forhindrer kopiering, og hver har sit svar:

• Siderne er scannede billeder. Teksten findes slet ikke i filen, så OCR er den eneste måde at få den tilbage på.
• Filen kræver et kodeord for at åbne. Den kan ikke læses, før du låser den op med det kodeord, du har, i det program, du normalt bruger til den. Værktøjerne her forsøger ikke at åbne låste filer.
• Ophavsmanden har sat en kopibegrænsning. Nogle PDF'er beder fremvisere om ikke at tillade kopiering eller redigering. Det er en indstilling, ophavsmanden har valgt, og fixmint omgår den ikke. Har du ret til det, så bed om en version uden begrænsninger, eller eksportér en fra det program, der lavede filen.

Hent teksten fra en tekst-PDF

1. Træk PDF'en ind i feltet i PDF til tekst, og vent mens hver side læses.
2. Tjek side- og ordtallet, der vises.
3. Sæt flueben ved Sidemarkører, hvis du vil have hver side markeret. Lad den være fra til ren tekst.
4. Kopiér teksten, eller hent den som en .txt-fil.

Kolonner, tabeller og sidehoveder kan komme i en anden rækkefølge, fordi en PDF gemmer, hvor hvert tekststykke tegnes, ikke hvilket afsnit det hører til. Hvis hver linje slutter med et hårdt linjeskift, så læs hvorfor tekst kopieret fra en PDF knækker ved hver linje, og indsæt derefter teksten i Ret indsat tekst, som samler linjerne i hvert afsnit.

Hent teksten fra en scannet PDF

Scannede sider kræver to trin: tegn hver side som et billede, og læs derefter teksten i hvert billede. Det samme læsetrin virker på et skærmbillede eller et foto, som det forklares her.

1. Træk PDF'en ind i PDF til JPG. Vælg PNG til tekst, fordi det bevarer skarpe bogstavkanter, og 300 DPI til småt tryk. Vælg kun de sider, du har brug for, eller lad alle sider være med.
2. Hent siderne. Hver gemmes som sit eget billede, eller også kommer de alle i en ZIP-fil.
3. Åbn Billede til tekst, og træk den første side ind. Ordene vises, når siden er læst. Ord, motoren er usikker på, er markeret med rødt.
4. Gentag for hver side i rækkefølge. Sæt flueben ved Saml linjer til afsnit for at fjerne linjeskiftene, og kopiér derefter resultatet.
5. Tjek alle tal, navne og datoer mod siden, før du stoler på dem.

Billede til tekst læser ét billede ad gangen, og kun engelsk. Værktøjet henter OCR-motoren og dens engelske model fra siden, når du starter, og derefter læses billedet på din enhed. En stor eller langsom side kan tage et stykke tid, så vent på resultatet, før du kopierer. Skarpe, lige og jævnt belyste sider læses bedst. Beskær kanterne af et foto, og hold kameraet vinkelret på siden.

Almindelige fejl

• At gemme tekstsider som JPG. JPG udtoner kanterne på bogstaverne, hvilket koster nøjagtighed. PNG er det bedre valg til sider med ren tekst.
• At stole på OCR uden kontrol. Genkendelse er ikke perfekt. Læs tal og navne igennem mod siden.
• At forvente, at tabeller forbliver tabeller. OCR læser linjer, så en tabel kan ende som en liste. Sammenlign resultatet med siden.
• At bruge OCR på håndskrift. Billede til tekst er bygget til trykt tekst. Håndskrift læses som regel dårligt, så skriv de dele af hånden over.

Opfølgende spørgsmål

Uploader OCR mine scannede sider?

Nej. Siden læses i din browser, og billedet sendes aldrig til en server. Siden leverer OCR-motoren og dens engelske model til din browser, og læsningen sker der.

Hvad hvis kun nogle sider mangler tekst?

Slå Sidemarkører til i PDF til tekst. En side, der ikke viser noget under sin markør, er en scanning, mens de skrevne sider viser deres tekst. Kør kun de sider igennem PDF til JPG og Billede til tekst, og sæt derefter resultaterne tilbage i rækkefølge.

Hvorfor knækker den kopierede tekst ved slutningen af hver linje?

En PDF gemmer hver trykt linje for sig, så kopieringen beholder disse brud. Brug Ret indsat tekst til at samle linjerne i hvert afsnit. Guiden om linjeskift forklarer, hvorfor det sker.

Kan Billede til tekst læse håndskrift eller andre sprog?

Værktøjet er bygget til trykt engelsk i det latinske alfabet, og håndskrift læses som regel dårligt. Andre alfabeter, som arabisk, kinesisk eller kyrillisk, understøttes ikke.