Da PDF a testo

Estrarre il testo da un PDF

Un PDF nato da un documento contiene già il suo testo. Le lettere sono nel file; il lettore si limita a disegnarle al posto giusto sulla pagina.

Tirarle fuori dovrebbe essere semplice, e di solito non lo è. Un «seleziona tutto» in un lettore ti restituisce intestazioni, piè di pagina e numeri di pagina infilati in mezzo alle frasi. Copia una tabella e arriva come un'unica riga lunghissima. Copia due colonne e si intrecciano. E sul telefono spesso non si riesce a selezionare niente.

Questo strumento chiede il testo direttamente al PDF e ti consegna il risultato in un riquadro che puoi modificare, copiare o scaricare come .txt.

Legge, non indovina

Questo non è OCR. L'OCR guarda l'immagine di una pagina e prova a riconoscere le forme come lettere: utile, ma sbaglia, e 1, l e I sono una storia infinita.

Qui non c'è nulla da riconoscere. I caratteri sono già memorizzati nel PDF ed escono esattamente come sono entrati. Nessuna lettera letta male, nessun punteggio di affidabilità e nessuna attesa: un rapporto di 200 pagine è pronto in un paio di secondi.

L'unica cosa che non può fare è leggere una scansione. Una pagina scansionata è una fotografia, senza alcun testo dentro. Quando succede lo strumento lo dice chiaramente invece di restituirti un riquadro vuoto — e ti indica la strada dell'OCR.

Scegliere le pagine

Lascia vuoto il campo Pagine per prendere tutto il documento, oppure indica quello che vuoi:

• 5 — solo la pagina 5
• 1-3 — le prime tre pagine
• 1-3, 5, 8-10 — intervalli e pagine singole mescolati

Utile quando ti serve un solo capitolo di un rapporto lungo, o quando le prime due pagine sono una copertina e un indice che non vuoi.

A capo: mantenere o unire

Un PDF memorizza dove è stata disegnata ogni riga, non dove finisce una frase. Un paragrafo arriva quindi come cinque righe separate, spezzate solo perché la pagina era finita in larghezza.

• Lasciare le righe come sono — esattamente come era impaginata la pagina. Giusto per tabelle, indirizzi, poesia, codice, elenchi e tutto ciò in cui la riga *è* il significato.
• Unire le righe in paragrafi — rimette insieme una frase spezzata in un'unica riga. Giusto per la prosa che andrai a incollare in un documento, un'e-mail o un traduttore.

L'unione è prudente: una riga che chiude una frase, un titolo, un punto elenco e una voce numerata mantengono tutti il loro a capo. Solo una riga che si interrompe chiaramente a metà frase viene attaccata alla successiva.

Segni di pagina

Segnare dove inizia ogni pagina inserisce una riga --- Pagina 7 --- tra le pagine. Lascialo attivo quando devi ritrovare la strada verso l'originale: citare un rapporto, controllare un contratto, indicare una fonte. Disattivalo quando vuoi testo corrente pulito da incollare altrove.

Non esce niente dal tuo dispositivo

Il PDF viene aperto e letto dentro il tuo browser. Non viene caricato, non entra in una coda e non viene conservato. Conta per i documenti per cui serve davvero: contratti, estratti conto, referti medici, atti legali, qualsiasi cosa coperta da riservatezza.

Significa anche che non c'è un limite di dimensione dovuto a un caricamento, e che funziona offline una volta caricata la pagina.

A cosa serve

• Recuperare una citazione da un rapporto senza ribatterla a mano
• Passare un documento a un traduttore, a un riassuntore o a una ricerca
• Trasformare un manuale o un regolamento in testo semplice da cercare con Ctrl+F
• Estrarre la prosa da un libro o da un articolo per modificarla o studiarla
• Portare il testo in un elaboratore di testi quando il copia-incolla dal lettore arriva rovinato
• Ricavare contenuti per un sito da una brochure in PDF
• Rendere un documento leggibile da uno screen reader che con il PDF fatica

Buono a sapersi

• Un PDF protetto da password va prima sbloccato: usa Sbloccare PDF
• Un PDF che è una scansione non ha testo; usa Da PDF a JPG e poi Immagine in testo
• Colonne, tabelle e note a piè di pagina escono nell'ordine in cui il PDF le memorizza, che di solito — ma non sempre — è l'ordine di lettura. Controlla il risultato
• Il riquadro di testo è modificabile, quindi puoi ripulire il risultato prima di scaricarlo
• Il download è un semplice file .txt in UTF-8, quindi accenti e caratteri non latini sopravvivono
• La formattazione — grassetto, dimensione, colore, immagini — non viene mantenuta. Il testo semplice è lo scopo. Per un documento formattato usa Da PDF a Word

Come si usa

• Clicca su Clicca per caricare oppure trascina il tuo PDF sul riquadro
• Lascia Pagine vuoto per tutto il documento, o scrivi le pagine che vuoi
• Scegli Lasciare le righe come sono per tabelle ed elenchi, oppure Unire le righe in paragrafi per la prosa
• Metti o togli la spunta a Segnare dove inizia ogni pagina
• Premi Estrai il testo, leggi il risultato, poi Copia oppure Scarica il .txt

Strumenti correlati

• Da PDF a Word — quando ti serve la formattazione, non solo le parole
• Immagine in testo — OCR, per scansioni e schermate
• Da PDF a JPG — trasformare pagine scansionate in immagini da passare all'OCR
• Sbloccare PDF — togliere prima la password
• Trovare testo nei file — cercare in un'intera cartella in un colpo solo
• Contatore di parole — contare quello che hai estratto
• Dividere PDF — estrarre un intervallo di pagine in un file a sé