PDF'ten Metne (TXT)

Nasıl çalışır?

PDF dosyalarını kutudan seçin (dokunarak ya da tıklayarak), iki ayarı işaretleyin ve Metne çevir düğmesine basın. Birinci ayar sayfa ayracıdır: açık bırakırsanız her yeni sayfanın başına "--- Sayfa 2 ---" gibi bir satır düşer, böylece uzun bir belgede hangi cümlenin hangi sayfadan geldiğini görürsünüz; kapatırsanız yazı kesintisiz akar. İkinci ayar satır sonlarıyla ilgilidir: bir PDF'te satırlar sayfa genişliğine göre kırılmıştır, o kırıkları olduğu gibi taşımak yazıyı başka bir programda dar bir sütun hâline getirir; "Paragrafa birleştir" seçeneği devam eden satırları tek paragrafa toplar, "Sayfadaki gibi bırak" ise şiir, tablo dökümü ve kod listesi gibi hizası önemli metinlerde işinize yarar. Sonuç satırında kaç sayfa okunduğu ve kaç kelime çıktığı yazar. Birden çok PDF'i aynı anda seçebilirsiniz; her biri kendi adıyla ayrı bir .txt olarak iner. Şifre soran belgelerde şifreyi alttaki alana yazın; alan boş kalırsa şifresiz belgeler her zamanki gibi çevrilir.

Bu araç pdf to text aramalarıyla da biliniyor.

Metin katmanı nedir?

Metin katmanı, bir PDF'in içinde harflerin gerçekten harf olarak saklandığı bölümdür: her karakterin hangi yazı tipiyle, sayfanın neresine konduğu yazılıdır ve bu sayede yazı seçilebilir, aranabilir, kopyalanabilir. Word'den, LibreOffice'ten ya da bir muhasebe programından çıkan her PDF bu katmanı taşır. Tarayıcıdan geçen bir sayfada ise katman yoktur; orada yalnızca bir fotoğraf durur ve harf gibi görünen şey aslında koyu piksellerden ibarettir. Bu aracın okuduğu şey işte o metin katmanıdır.

Taranmış PDF nedir?

Taranmış PDF, kâğıt bir belgenin tarayıcı ya da telefon kamerasıyla fotoğraflanıp sayfa sayfa PDF'e konmuş hâlidir. Dışarıdan bakınca sıradan bir belgeye benzer, ama içinde seçilebilir tek bir harf yoktur: fare ile yazının üzerinden geçtiğinizde hiçbir şey seçilmiyorsa elinizdeki belge taranmıştır. Böyle bir dosyadan yazı almanın tek yolu optik karakter tanıma (OCR) programlarıdır; bunlar görüntüdeki şekilleri harflere benzeterek tahmin üretir ve sonucu her zaman gözle denetlemek gerekir.

TXT (düz metin) nedir?

TXT, hiçbir biçimlendirme taşımayan en yalın belge biçimidir: içinde yalnızca karakterler ve satır sonları vardır, kalınlık, yazı tipi, renk, tablo ya da görsel yoktur. Bu yalınlık onu her yerde açılabilir kılar — Not Defteri, metin düzenleyiciler, tablo programları, çeviri ve sesli okuma araçları hep düz metni sever. Dosyanın kodlaması, hangi karakterlerin doğru görüneceğini belirler; bu araç UTF-8 yazar, yani Türkçe harfler dahil bütün karakterler modern programlarda olduğu gibi açılır.

PDF ile TXT arasındaki fark nedir?

PDF sayfanın görüntüsünü sabitler: yazı tipi, kenar boşluğu, sütun düzeni ve görseller her cihazda aynı yerde durur, çünkü dosya "bu harf sayfanın şu noktasına şu boyda basılacak" bilgisini taşır. TXT ise görüntüyü hiç saklamaz, yalnızca karakter dizisini saklar; onu açan program yazı tipini ve satır genişliğini kendi seçer. Bu yüzden PDF'ten TXT'ye geçmek bilgi kaybeden bir yöndür: tablo çizgileri, hizalar, sayfa düzeni ve görseller geride kalır, geriye anlamı taşıyan yazı kalır. Belgeyi olduğu gibi paylaşacaksanız PDF, yazının üzerinde çalışacaksanız TXT doğru biçimdir.

Kelime araları ve sütunlar nasıl çözülüyor?

Bir PDF'in içinde cümle diye bir şey yoktur; harfler sayfada tek tek konumlandırılmış küçük parçalardır. Bu yüzden ham çıkarma çoğu zaman "AdSoyad" ya da "T oplam" gibi tuhaf sonuçlar verir. Bu araç harflerin sayfadaki koordinatına bakar: aynı yükseklikteki parçalar bir satır sayılır, iki parça arasındaki yatay boşluk harf boyunun beşte birini aşıyorsa araya bir kelime boşluğu konur. Sonuç, kopyala-yapıştır ile alınan metinden daha temizdir.

İki sütunlu dizgide sınır vardır: satırlar soldan sağa okunduğu için yan yana duran iki sütunun cümleleri iç içe geçebilir. Böyle bir belgede "Sayfadaki gibi bırak" seçeneğini işaretleyip metni gözle ayırmak en pratik yoldur. Dipnot, sayfa numarası ve üst bilgi de sayfanın parçası olduğu için çıktıya girer; gerekmiyorsa metin düzenleyicide silmeniz gerekir.

Bu dönüşüm hangi işte kullanılır?

Amaç, kilitli görünen bir belgenin içindeki yazıyı çalışılabilir hâle getirmektir. Sık karşılaşılan işler şunlardır:

• Uzun bir raporun içinde arama yapmak, notlarınıza alıntı taşımak
• E-postayla gelen bir belgeyi çeviri programına ya da yazım denetimine vermek
• Fatura ve ekstre dökümünü elektronik tabloya aktarmadan önce ham hâline bakmak
• Yazıyı sesli okuma programına vermek — düz metni her araç okuyabilir
• Taranmış belge işlenmez: sayfalar fotoğraf olduğu için önce OCR gerekir

Sık sorulanlar

PDF metne nasıl çevrilir?

Dosyayı kutudan seçin, sayfa ayracı ve satır sonu ayarlarını işaretleyip Metne çevir düğmesine basın. Yazı çıkarılır ve .txt uzantılı bir dosya iner; bu dosyayı Not Defteri dahil her metin programı açar.

Çıkan metinde neden sayfa numaraları ve başlıklar var?

Üst bilgi, alt bilgi ve sayfa numarası da sayfaya yazılmış birer yazı parçasıdır; araç sayfada ne varsa onu çıkarır. Hangisinin gövde, hangisinin süs olduğunu belge çoğu zaman söylemez. Bunları çıktı dosyasında elle silmek en güvenli yoldur.

Taranmış PDF neden metne çevrilemiyor?

Tarayıcıdan ya da telefon kamerasından geçen sayfa, PDF'in içinde bir fotoğraf olarak durur; harfler yazı değil, noktalardır. Bu araç fotoğraftan harf tanıma (OCR) yapmaz ve böyle bir belgede "metin katmanı yok" uyarısı verir.

Türkçe karakterler doğru geliyor mu?

Evet. Belgedeki yazı tipi hangi kodlamayı kullanırsa kullansın, araç yazı tipinin kendi karakter eşlemesini okuyup ç, ğ, ı, İ, ö, ş, ü harflerini yerine koyar. Çok eski ya da bozuk gömülmüş yazı tiplerinde tek tük harf kayabilir; çıktıyı bir kez gözden geçirin.

Belgem bir sunucuya yükleniyor mu?

Hayır. Dosyanın açılması, yazının çıkarılması ve .txt dosyasının hazırlanması tarayıcınızın içinde olur; belge de adı da hiçbir yere gönderilmez. Sözleşme ve sağlık raporu gibi belgelerde bu fark önemlidir.