Extract text from images — free

Lähetä PDF-tiedostosi, niin työkalu tunnistaa, sisältääkö se oikean tekstitason vai pelkkiä skannattuja kuvia. Tekstitason PDF-tiedostot viedään heti. Pelkät kuva-PDF-tiedostot (skannatut kirjat, valokuvatut kuitit, vanhat raportit) kulkevat OCR:n läpi automaattisesti. Joka tapauksessa saat siistin .txt-tiedoston, jossa kappaleet, rivinvaihdot ja osioiden välistys säilyvät.

Kyllä. Jos PDF on pelkästään kuvapohjainen (yleistä skannauksissa, valokuvatuissa sivuissa tai faksivienneissä), OCR-moottori käynnistyy automaattisesti – et tarvitse erillistä työkalua. Monikielinen tuki on sisäänrakennettu, joten myös kaksikieliset tai ei-latinalaiset kirjoitukset (kiina, arabia, hindi) poimitaan samalla kierroksella.

Kappalevaihdot, osioiden väliset tyhjät rivit, luettelomerkit ja numeroitujen luetteloiden etuliitteet säilyvät pelkkänä tekstinä. Otsikot tulevat läpi joko isoin kirjaimin tai alkuperäisellä kirjainkoollaan lähdefontista riippuen. Visuaalista korostusta (lihavointi, kursivointi) ei koodata pelkkään tekstiin – käytä siihen PDF Wordiksi -muunninta.

Kyllä. Syötä salasana kehotteeseen lataamisen jälkeen, niin työkalu avaa tiedoston muistissa juuri sen verran, että teksti saadaan poimittua. Salasanaa ei koskaan tallenneta levylle eikä välitetä kolmansien osapuolten palveluihin. Lukittuja PDF-tiedostoja ilman salasanaa ei voi käsitellä – turvallisuussyistä salasanojen murtamista ei suoriteta.

Enintään 50 MB:n ja 500 sivun tiedostot käsitellään ongelmitta. Suuremmatkin asiakirjat toimivat, mutta vievät enemmän aikaa – 2000-sivuisen oikeudellisen arkiston OCR voi kestää muutaman minuutin. Massiivisissa erissä jaa PDF ensin PDF-jakotyökalulla ja käsittele kukin osa rinnakkain.

Käsittely tapahtuu suojatuilla palvelimilla ja tiedostot poistetaan minuuttien sisällä. .txt-tuloste on sinun – ei vesileimaa, ei lähdemerkintää, ei seurantaa. Tutkijat, toimittajat, juristit ja opiskelijat käyttävät työkalua tekstin poimimiseen luottamuksellisista raporteista tietäen, ettei lähde-PDF:ää säilytetä muunnoksen jälkeen.

Kyllä. Avaa Moottori-paneeli, valitse asiakirjasi kieli ja OCR-moottori, ja sivu luetaan kyseisellä kirjoitusjärjestelmällä — yli 100 kieltä tuetaan, mukaan lukien ei-latinalaiset ja oikealta vasemmalle kirjoitettavat. Jos ensimmäinen käsittelykerta lukee väärin tarkkeelliset tai muut kuin englanninkieliset merkit, vaihda kieltä ja napauta Suorita tunnistus uudelleen.

Muotoiltu näkymä säilyttää sivun alkuperäisen asettelun — sarakkeet, välistyksen ja rivien sijainnit — mikä auttaa taulukoiden ja kuittien kanssa. Pelkkä teksti -näkymä tuottaa siistiä, uudelleen muotoiltua tekstiä, joka on helpompi liittää asiakirjaan tai chatbotiin. Vaihda näkymien välillä ja kopioi teksti tai lataa se .txt-tiedostona.

Tämä työkalu antaa sinulle raakatekstin kopioitavaksi tai tallennettavaksi .txt-tiedostona. Jos haluat mieluummin säilyttää alkuperäisen PDF:n mutta tehdä siitä Ctrl+F-haettavan, aja se Kuva haettavaksi PDF:ksi -työkalun läpi — se lisää näkymättömän OCR-tekstikerroksen skannauksen päälle, joten sivu näyttää samalta, mutta sanat tulevat valittaviksi.

Start with Default and your document's language for common Latin-script languages — it's fast and accurate for everyday text. If the output looks garbled or the script is non-Latin (Arabic, Hindi, Chinese, Cyrillic), switch to Engine 1 or Engine 2, select the matching language from the picker, and tap Re-run extraction — different engines are tuned for different scripts, so trying both takes seconds.

The output box is fully editable, so you can quickly clean up an OCR mistake or trim a section right on screen. Copy to clipboard always copies exactly what's currently in the box, edits included — but Download .txt saves the original file produced by the last Engine/Language run, not your on-screen edits. To keep a correction, use Copy and paste it into your own .txt file, or if the mistake is systematic, switch the Language or Engine and tap Re-run extraction instead of hand-editing.