* Conoscenza del computer >> sistemi >  >> Windows 2016

Estrarre testo da PDF: Acrobat Reader, Gmail HTML, tool CLI e converter gratuiti

Il problema: PDF = layout fisso, non flusso testo

Copia-incolla da PDF spesso porta: righe spezzate, colonne intrecciate, header/footer ripetuti, grafica che interferisce. Serve estrazione strutturata.

Metodo 1: Adobe Acrobat Reader (gratis)

Windows

File > Esporta in > Testo (plain text) → nome file → Salva. Mantiene ordine lettura logico.

Mac / Linux

  1. Visualizza > Layout > Continuo (colonna unica) o Continuo affiancato (pagine side-by-side).
  2. Modifica > Seleziona tutto (Ctrl+A) → Modifica > Copia (Ctrl+C).
  3. Incolla in editor testo.

Solo parte del testo

Strumento Selezione testo (I) → evidenzia zona → Copia. Per colonne: Selezione colonna (shift+click su strumento) → seleziona colonna → Copia.

Metodo 2: Gmail come convertitore PDF → HTML (gratis, nessun software)

  1. Allega PDF a email → invia al tuo Gmail.
  2. Apri email in Gmail web → accanto allegato: "Visualizza come HTML".
  3. Si apre nuova scheda con versione HTML (solo testo, niente grafica, formattazione preservata).
  4. Salva pagina (Ctrl+S) → HTML completo o copia testo.

Metodo 3: Riga di comando (Linux/macOS/WSL)

pdftotext (poppler-utils):
pdftotext nomefile.pdf → crea nomefile.txt.
Opzioni utili: -layout (mantiene layout fisico), -raw (ordine contenuto stream), -f N -l M (pagine N-M).

Metodo 4: Converter gratuiti PDF → Testo/HTML

  • PDFBox (Apache, Java CLI/GUI)
  • Easy PDF to Text Converter
  • Xpdf / pdftotext (sopra)
  • Online: Smallpdf, ILovePDF, PDF2Go (upload → download txt/html). Attenzione: file sensibili non caricare online.

Casi problematici

  • PDF solo immagini (scansioni senza OCR): testo non selezionabile. Serve OCR: Adobe Acrobat Pro, ABBYY FineReader, Tesseract (gratis CLI), OnlineOCR.net.
  • Testo come curve/outline (no font embedding): non estraibile come testo.

Consiglio post-estrazione

Preparati a riformattare: l'estrazione dà testo grezzo. Pulisci header/footer, righe spezzate, spazi multipli.

Occorrente

  • File PDF
  • Adobe Acrobat Reader (gratis)
  • Account Gmail (opzionale, per metodo HTML)
  • Converter PDF→Testo (opzionale)

Windows 2016