Estrai testo da PDF online
Estrai il livello di testo di un PDF oppure riconosci il testo delle pagine scansionate con l’OCR e salvalo come testo semplice.
Per i PDF scansionati, scegli la lingua del documento prima del caricamento. Se la cambi in seguito, il file attuale viene riletto.
Scegli il file PDF o trascinalo qui
Estrae testo e supporta l’OCR per PDF scansionati come immagini
Estrazione del testo dal PDF...
filename.pdf
Dimensione originale: 0 MB | 0 pagine
Contenuto del testo estratto
Decodifica dei font con CMap
Usa le mappe dei caratteri (CMap) di PDF.js per decodificare molti font dell’Asia orientale e con codifica personalizzata. I PDF con dati dei font incompleti possono comunque produrre caratteri errati.
OCR per pagine scansionate
Le pagine quasi prive di testo estraibile vengono lette con l’OCR di Tesseract.js. La precisione dipende dalla qualità della scansione, dalla lingua e dall’impaginazione.
Elaborazione nel browser
I documenti vengono analizzati localmente nella memoria del browser.
Come si usa
Lo strumento legge prima il livello di testo salvato nel PDF. Quando una pagina non contiene quasi testo, come in un documento scansionato, viene renderizzata come immagine e riconosciuta con l’OCR nel browser. Il motore OCR e i relativi dati linguistici vengono scaricati da leedybox.com la prima volta che si usa l’OCR; il PDF in sé non viene caricato.
- Scegli la lingua dell’OCR prima di aggiungere il file, così le pagine scansionate vengono lette con l’alfabeto giusto. È già impostata sulla lingua di questa pagina.
- Fai clic sull’area di caricamento o trascinaci sopra un file PDF. L’estrazione parte subito ed elabora le pagine una alla volta.
- Le pagine con un livello di testo vengono lette direttamente. Una pagina quasi senza testo, come una scansione, viene disegnata come immagine e riconosciuta con l’OCR, che richiede più tempo; la barra di avanzamento mostra quale pagina si sta leggendo.
- Controlla il risultato nella casella di testo. Ogni pagina inizia con una riga come --- Pagina 1 ---.
- Fai clic su «Copia testo» o «Salva come .TXT» per conservare il risultato, oppure su «Cambia file» per leggere un altro PDF.
Domande frequenti
Perché a volte il testo estratto risulta illeggibile?
Alcuni PDF memorizzano i caratteri con codifiche dei font personalizzate. LeedyBox carica le tabelle CMap per decodificarne molte, ma i font privi di una corretta mappatura Unicode possono comunque produrre caratteri errati. Confronta il risultato con il documento originale.
Funziona con i documenti scansionati?
Sì. Quando una pagina non ha quasi livello di testo, il motore OCR integrato Tesseract.js riconosce i caratteri nell’immagine della pagina. Scrittura a mano, scansioni a bassa risoluzione, font insoliti e lingue non incluse nell’impostazione della lingua OCR riducono la precisione.
Tabelle e colonne mantengono l’impaginazione?
Non esattamente. Il risultato è testo semplice, quindi tabelle, colonne e caselle di testo vengono appiattite in righe e l’ordine di lettura può differire da ciò che vedi nella pagina.
Il mio PDF viene caricato online?
No. Il testo viene letto nel tuo browser. Quando una pagina ha bisogno dell’OCR, il motore OCR e i suoi dati di lingua vengono scaricati da leedybox.com, ma il tuo PDF non viene inviato da nessuna parte.
Quale lingua OCR scelgo per un documento in due lingue?
Scegli l’opzione con la lingua principale del documento; tutte le opzioni tranne «Solo inglese» riconoscono anche l’inglese. Il testo in una lingua non selezionata viene spesso letto con caratteri sbagliati.
Perché l’OCR è lento?
Dopo aver scaricato il motore OCR e i dati di lingua, ogni pagina scansionata viene riconosciuta una alla volta nel tuo browser. Su un dispositivo lento una pagina può richiedere diversi secondi o più, quindi un documento scansionato lungo richiede pazienza.