Cum extragi textul
- Trage PDF-ul în zona de sus sau alege-l. Pentru un PDF cu parolă apare câmpul în care o scrii.
- Textul se citește pagină cu pagină și apare în caseta de jos, Textul extras. Sus vezi paginile citite, caracterele și cuvintele.
- Bifează sau debifează Separator între pagini și Rând gol între paragrafe; textul se reface imediat.
- Copiază textul cu Copiază textul sau salvează-l cu Descarcă .txt (UTF-8, cu diacritice).
PDF-ul se citește doar în browserul tău; nu se încarcă nimic pe server. Biblioteca pdf.js se descarcă o singură dată de pe cdnjs.cloudflare.com.
Cum se refac rândurile
Un PDF nu păstrează rânduri și paragrafe, ci bucăți de text cu poziția lor pe pagină. Unealta pune pe același rând bucățile aflate la aceeași înălțime, le ordonează de la stânga la dreapta și adaugă un spațiu acolo unde distanța dintre ele o cere. Un spațiu mult mai mare decât cel obișnuit dintre rânduri devine rând gol (paragraf nou). Rezultatul arată așa:
--- Pagina 1 ---
Raport anual 2025
Vânzările au crescut cu 12% față de anul trecut,
iar costurile au rămas aproape constante.
--- Pagina 2 ---
...Limite
Un PDF scanat conține poze ale paginilor, nu text. Dacă unealta nu găsește niciun caracter, îți spune că documentul e probabil scanat; textul din imagini se poate scoate doar cu OCR (recunoaștere optică a caracterelor), pe care această unealtă nu o face. Textul așezat pe două coloane poate ieși amestecat, rând cu rând, iar tabelele ies ca rânduri de cuvinte despărțite prin spații. Cuvintele despărțite în silabe la capăt de rând rămân cu cratimă.
Întrebări frecvente
De ce apar caractere ciudate în locul diacriticelor?
Unele PDF-uri folosesc fonturi fără tabel de corespondență cu Unicode. Literele arată bine pe ecran, dar textul din spate nu poate fi recuperat corect. Atunci rămâne tot OCR-ul.
Pot extrage textul dintr-un PDF protejat?
Da, dacă știi parola de deschidere. PDF-urile care au doar restricții de copiere se deschid fără parolă.
Cum se numără cuvintele?
Se numără grupurile de caractere despărțite prin spații care conțin cel puțin o literă sau o cifră; separatoarele de pagină nu intră la numărătoare.