Перейти к содержимому
BrowserUtil

Извлечение текста из PDF

Извлечение текста из PDF документов прямо в браузере. Выбор диапазона страниц, форматирование, подсчет статистики и экспорт в TXT.

Выберите или перетащите PDF

Перетащите локальный PDF-файл сюда или нажмите для выбора. 100% локальная обработка.

Извлеченный текст

Символов: 0Слов: 0Строк: 0Время чтения: —
100% локально: Обработка происходит исключительно в браузере. Данные не передаются на сервер.
На базе открытого ПО:Mozilla pdf.jsApache-2.0&Tesseract.jsApache-2.0
100% локально в браузере · конфиденциально

Инструкция

  1. 1 Выберите или перетащите файл PDF, либо нажмите «Загрузить образец» для быстрой проверки.
  2. 2 Выберите все страницы или укажите диапазон (например, 1-3, 5) и задайте параметры форматирования.
  3. 3 Нажмите «Извлечь текст», затем скопируйте результат или скачайте его как файл .txt.

Возможности

  • 100% локальное извлечение текста в браузере на базе Mozilla pdf.js
  • Выбор диапазона страниц (все, отдельные страницы или диапазоны)
  • Гибкие настройки: сохранение переносов, объединение абзацев, очистка пробелов
  • Статистика символов/слов в реальном времени и скачивание в формате TXT

Часто задаваемые вопросы

Отправляется ли мой PDF на сервер?

Ни в коем случае! BrowserUtil выполняет Mozilla pdf.js локально в вашем браузере. Файл обрабатывается в оперативной памяти и не передается на сервер.

Почему в сканированном PDF не находится текст?

Стандартный парсер извлекает встроенный векторный текст. Если PDF состоит из сканированных изображений без слоя OCR, текст не будет распознан — требуется специализированный инструмент OCR.

Есть ли ограничения по размеру или страницам?

Так как процесс выполняется на вашем устройстве, ограничение зависит от оперативной памяти браузера. Файлы на сотни страниц открываются без проблем.

Можно ли сохранить или удалить переносы строк?

Да, вы можете включить «Сохранять переносы строк» для точного повторения макета или «Объединять абзацы» для сплошного текста.

Какие библиотеки с открытым исходным кодом используются и под какой лицензией?

Этот инструмент использует Mozilla pdf.js (лицензия Apache-2.0) для извлечения векторного текста и Tesseract.js (лицензия Apache-2.0) для оптического распознавания (OCR) на базе WebAssembly. Все библиотеки работают на 100% локально в вашем браузере.

Похожие инструменты