Estrarre il testo da un PDF

Recupera il contenuto scritto di un PDF in un semplice file di testo. Lo strumento legge i caratteri già presenti nel documento: non fotografa le pagine e non cerca di riconoscere lettere in un’immagine. Per un report esportato da un programma di videoscrittura, questa estrazione evita un passaggio OCR più lento e potenzialmente meno fedele. Puoi limitare il risultato alle pagine utili prima di copiarlo o scaricarlo.

I frammenti di testo vengono raggruppati in righe in base alla loro posizione su ogni pagina. Le righe sono riunite nell’ordine di lettura stimato e le pagine sono separate da una riga vuota. Il file TXT usa la codifica UTF-8 per conservare i caratteri effettivamente forniti dal livello di testo.

L’anteprima contiene lo stesso testo del file scaricato. Ti permette di cercare un passaggio o individuare un problema prima di incollare il risultato in un altro strumento. Se modifichi la selezione delle pagine, l’anteprima viene annullata: rilancia l’estrazione perché corrisponda alla nuova scelta.

Un PDF descrive soprattutto la posizione di frammenti su una pagina, non necessariamente paragrafi in ordine logico. Colonne, riquadri, note a piè di pagina o caratteri codificati male possono quindi produrre righe mescolate o lettere errate. Controlla un campione rappresentativo, soprattutto prima di riutilizzare cifre o riferimenti.

Il TXT non conserva impaginazione, immagini né link interattivi. Le celle di una tabella non diventano un foglio di calcolo strutturato: per questo usa PDF in CSV o in Excel. Se invece vuoi una rappresentazione approssimativa di titoli e paragrafi, è preferibile il Markdown.