Da PDF a testo — anche PDF scansionati (OCR)
Ottieni il testo semplice da qualsiasi PDF: le pagine di testo si leggono direttamente, quelle scansionate con l’OCR. Funziona nel browser, nulla viene caricato. Copialo o scaricalo come TXT o Word.
Caricamento del solo codice necessario per questo strumento…
La precisione che abbiamo misurato
Abbiamo usato questo strumento sulle nostre immagini di prova (nessun file di clienti) e confrontato il risultato con il testo noto. Il tasso di errore sui caratteri conta i caratteri sbagliati, mancanti e in più; 0% vuol dire che erano tutti giusti.
| Immagine di prova | Lingua | Errori | Motore predefinito | Tempo | Profilo smartphone |
|---|---|---|---|---|---|
| PDF salvato da un programma di videoscrittura (con livello di testo) | Inglese | 0% | — | 1,3 s | 2,7 s |
| Pagina scansionata a due colonne salvata in PDF | Inglese | 0% | — | 6,3 s | 24,9 s |
| PDF di due pagine: una di testo, una foto | Inglese | 0% | — | 3,6 s | 7,8 s |
| Lo stesso avviso, foto da smartphone in obliquo | Inglese | 0,1% | 2,4% | 3,7 s | 6,2 s |
| Pagina stampata in hindi | Hindi | 0% | 0% | 1,8 s | 4,3 s |
| Pagina stampata in cinese semplificato | Cinese semplificato | 0% | 0% | 1,8 s | 4,3 s |
Motore predefinito: lo stesso motore e gli stessi dati della lingua senza la nostra pulizia (layout automatico, nessun raddrizzamento, nessuna correzione della luce).
Come abbiamo misurato: le immagini vengono da uno script che compone frasi scritte da noi, le fotografa con un’angolazione di 4° e luce non uniforme e le salva come JPEG, PNG e PDF. I tempi sono di un computer cloud con 4 core; il profilo smartphone aggiunge il rallentamento della CPU di 4× di Chrome. Alla prima esecuzione si scaricano anche il motore (circa 1,1 MB) e i dati della lingua.
Controllo qualità
Usa l’output come copia di lavoro verificata
Conserva la sorgente se potrebbe servire. Apri il TXT generato nell’applicazione di destinazione e verifica contenuto e formattazione.
Input
Output
TXT
Batch
Fino a 5 file per esecuzione
Fino a 5 file per esecuzione. Usa una sola esecuzione quando i file condividono la stessa operazione.
Passa a un’operazione correlata senza cercare di nuovo lo strumento.
Scarica un risultato pronto per la destinazione e verificalo prima della condivisione.
Si applica il limite di esecuzione configurato.
TXT
Controlla il limite di caricamento qui sotto
Controlla il risultato prima di condividerlo
Informazioni su questo strumento
Per convertire un PDF in testo, aggiungi il PDF e tocca Estrai testo, poi copia il risultato o scaricalo come file .txt o Word. Le pagine che contengono già testo, come un PDF salvato da Word, un estratto conto o un e-book, vengono lette direttamente dal file: preciso e veloce. Le pagine che sono solo un’immagine, come una scansione o una foto da smartphone salvata in PDF, vengono lette con l’OCR nella lingua che scegli.
Il risultato segna ogni pagina (--- Pagina 2 ---) e indica quante pagine provengono dal testo del PDF e quante hanno richiesto l’OCR. Il PDF resta sul tuo dispositivo: PDF.js lo legge e Tesseract riconosce le pagine scansionate nel browser.
Nel nostro test, una pagina scansionata di una newsletter a due colonne è uscita con lo 0% di errori sui caratteri e nel giusto ordine di lettura, e un PDF di due pagine, una di testo e una fotografata, ha richiesto 3,6 s sul nostro computer di prova a 4 core (7,8 s con un profilo smartphone rallentato).
Quando usare un altro strumento
- Per tenere il PDF e rendere le pagine scansionate ricercabili e selezionabili, usa OCR PDF.
- Per conservare titoli, caratteri e tabelle in un documento modificabile, usa Da PDF a Word.
- Per un Markdown con titoli ed elenchi da un PDF di testo, usa Da PDF a Markdown.
- Un PDF protetto da password richiede prima la password: sblocca una copia con Sblocca PDF.
Come usare
Aggiungi il PDF
Trascina o scegli fino a 5 PDF. Funzionano sia i PDF di testo sia quelli scansionati.
Scegli la lingua dell’OCR
La lingua serve solo per le pagine senza testo proprio (scansioni e foto). Scegli Colonne se una pagina scansionata ha due colonne che escono mescolate.
Estrai e salva
Tocca Estrai testo, controlla il risultato, poi copialo o scaricalo come TXT o Word.
Casi d'uso
Citare report
Prendi un paragrafo o un dato da un lungo report in PDF senza lottare con la selezione del testo del visualizzatore.
Lettere e contratti scansionati
Ottieni testo ricercabile da un PDF scansionato per trovare una clausola, una data o un importo.
Testo per altri strumenti
Incolla il testo in un traduttore, in un contatore di parole o in un assistente IA, oppure puliscilo con gli strumenti di testo.
Domande frequenti
Come converto un PDF in un file di testo?+
Aggiungi il PDF in questa pagina e tocca Estrai testo. Al termine tocca Scarica TXT o copia il testo in un’altra app.
Funziona con i PDF scansionati?+
Sì. Le pagine senza livello di testo vengono lette con l’OCR nella lingua che scegli. È più lento che leggere una pagina di testo: la nostra pagina di newsletter scansionata ha richiesto 6,3 s sul nostro computer di prova a 4 core, contro 1,3 s per un PDF di due pagine con livello di testo.
Perché manca del testo o esce in un ordine strano?+
Un PDF memorizza il testo nell’ordine in cui è stato disegnato, che di solito, ma non sempre, è l’ordine di lettura. Per le pagine scansionate a due colonne scegli Colonne in Layout della pagina. Il testo dentro le immagini di un PDF di testo non viene letto; per quelle pagine usa OCR PDF.
Posso estrarre il testo solo da alcune pagine?+
Vengono lette tutte le pagine. Per avere il testo di poche pagine, separale prima con Estrai pagine e poi converti il PDF più piccolo.
Il mio PDF viene caricato?+
No. PDF.js legge il file e Tesseract riconosce le pagine scansionate nel tuo browser. Solo il motore di riconoscimento e i dati della lingua vengono scaricati una volta dalla CDN jsDelivr.
Posso mantenere la formattazione?+
Il testo semplice non ha formattazione. Per un documento modificabile che conservi titoli e tabelle usa Da PDF a Word; per un PDF identico ma ricercabile usa OCR PDF.