Направление конвертации
Конвертация PDF в TXT
Преобразование PDF → TXT на сервере, без установки программ
- Загрузить
- Выбрать формат
- Скачать
Загрузка файлов
Область приёма файла
или
Файлы PDF. До 5 МБ, до 20 файлов за раз. Изображение можно вставить из буфера обмена: Ctrl+V.
Извлекается текстовый слой с сохранением расположения строк. Из сканов, где текст не распознан, файл получится пустым.
Исходники и результаты хранятся 60 минут, затем стираются фоновым уборщиком. Предельный размер файла — 5 МБ, срок хранения — час.
PDF и TXT: характеристики
| Характеристика | .pdfPDF | .txtTXT |
|---|---|---|
| Полное название | Portable Document Format | Plain Text File |
| Разработчик | Adobe | нет данных |
| Год появления | 1993 | нет данных |
| Расширение | .txt | |
| MIME-типы | application/pdf, application/x-pdf, application/acrobat | нет данных |
| Содержимое | Текст, вектор, растр, формы | Текстовое |
| Прозрачность | Поддерживается | нет данных |
| Несколько страниц в файле | Поддерживается | Нет |
| Стандарт | ISO 32000-2 | нет данных |
| Вёрстка | Фиксированная, не зависит от устройства | нет данных |
| Шрифты | Встраиваются в файл | нет данных |
| Защита | Пароль, права доступа, подпись | нет данных |
| Чем открыть | Adobe Acrobat Reader, Foxit Reader, SumatraPDF, Google Chrome, Microsoft Edge, Просмотр (macOS) | Блокнот, Notepad++, VS Code, Sublime Text, TextEdit (macOS), gedit |
| Спецификация | Описание формата | нет данных |
| MIME-тип | нет данных | text/plain |
| Форматирование | нет данных | Отсутствует |
| Кодировки | нет данных | UTF-8, Windows-1251, UTF-16 |
| Переводы строк | нет данных | CRLF (Windows) или LF (Unix, macOS) |
| Совместимость | нет данных | Любая операционная система |
Преобразование PDF → TXT
TXT — документ, расширение .txt, тип text/plain, текстовый файл. Текстовый слой PDF с координатами каждого фрагмента разбирается и восстанавливается в структуру TXT. PDF описывает положение текста на листе, а не структуру документа, поэтому абзацы, колонки и таблицы восстанавливаются эвристикой.
PDF — документ, расширение .pdf, тип application/pdf, поддерживает прозрачность, несколько страниц в одном файле. TXT — документ, расширение .txt, тип text/plain, текстовый файл. TXT применяется точечно — там, где его требует принимающая программа или площадка.
Фрагменты группируются в строки по базовой линии, строки — в абзацы по межстрочному расстоянию, колонки — по вертикальным разрывам. Одноколоночный текст восстанавливается практически без ошибок; многоколоночная вёрстка, врезки и таблицы без линеек дают смещения. Оформление отбрасывается целиком: результат — текст в UTF-8.
Параметры преобразования: диапазон страниц — список номеров и интервалов. За одно задание принимается несколько файлов, результат отдаётся отдельными файлами и общим ZIP-архивом. Предельный размер указан в форме загрузки: у каждого направления свой лимит, и он не превышает общего ограничения сервиса.
Вес TXT определяется содержимым — объёмом текста, числом изображений и встроенными шрифтами; отдельного параметра размера у направления нет. Преобразование выполняется на сервере и не зависит от установленного софта: результат одинаков при запуске с любого устройства.
Порядок преобразования PDF → TXT
Шаг 1
Исходный файл
Поле загрузки принимает несколько файлов PDF за одно задание — перетаскиванием или выбором на диске. Формат определяется по сигнатуре содержимого, а не по расширению: переименованный файл распознаётся верно.
Шаг 2
Параметры
Доступные значения: диапазон страниц — список номеров и интервалов. Значения по умолчанию рассчитаны на типовой файл и меняются в блоке дополнительных настроек.
Шаг 3
Обработка
Задание ставится в очередь и выполняется на сервере; состояние отображается на странице. Обработка занимает от долей секунды до минуты в зависимости от объёма файла.
Шаг 4
Результат
Файлы забираются по одному или общим ZIP-архивом. Ссылка действует один час, после чего исходный файл и результат удаляются с сервера.
Вопросы по работе сервиса
Почему из некоторых файлов не извлекается ничего?
Потому что в них нет текстового слоя: сканы и фотографии страниц содержат только изображения. Распознавание символов (OCR) сервис не выполняет, поэтому такие документы конвертируются в пустой или почти пустой результат.
Каков предел размера файла?
Действующее значение показано в форме загрузки: у каждого направления свой предел, он зависит от стоимости преобразования и не превышает общего ограничения сервиса. Ограничение применяется к каждому файлу задания отдельно.
Что требуется на стороне пользователя?
Только браузер: расчёты выполняются на сервере, локальные кодеки и установленные программы на результат не влияют. Регистрация не требуется, водяные знаки на результат не наносятся.
Сколько файлы хранятся на сервере?
Один час с момента загрузки: после этого исходный файл и результат удаляются, а ссылка перестаёт отвечать. Адрес содержит случайный идентификатор, поэтому перебор чужих файлов невозможен.