File PDF: perché è così difficile tirarne fuori il testo
Cosa memorizza un PDF, perché convertirlo in Word fa perdere l’impaginazione e in cosa un PDF scansionato è diverso. Converti PDF nel browser, senza upload.
In sintesi
- Tipo
- Documenti
- Estensioni
- Tipo MIME
- application/pdf
- Noto anche come
- Portable Document Format
Un PDF descrive una pagina finita più che un documento. Il suo flusso di contenuto è una sequenza di operatori di disegno — imposta questo font, spostati a queste coordinate, mostra questa sequenza di glifi, traccia questo percorso — ereditata quasi direttamente dal PostScript, che Adobe aveva progettato per pilotare le stampanti. Questa discendenza spiega entrambe le proprietà che definiscono il formato: appare identico ovunque, perché al visualizzatore non resta niente da decidere, ed è insolitamente difficile estrarne il contenuto, perché la struttura che una persona vede non è mai stata scritta.
Leggi di più
In concreto, un PDF non ha paragrafi, non ha righe e spesso non ha nemmeno parole. Ha sequenze di glifi posizionate. La frase che stai leggendo potrebbe essere memorizzata come una dozzina di sequenze separate a coordinate calcolate, e lo spazio tra due parole può essere un’assenza di inchiostro più che un carattere di spazio. Ogni convertitore da PDF a testo e da PDF a Word, compreso questo, quindi ricostruisce: raggruppa le sequenze per linea di base per recuperare le righe, indovina i confini dei paragrafi, deduce i titoli dalla dimensione del carattere. Funziona bene per la prosa normale e appiattisce colonne e tabelle, perché le informazioni necessarie per conservarle non sono mai state nel file.
La seconda cosa da sapere è che "PDF" copre due situazioni del tutto diverse. Un PDF esportato da Word o da un browser contiene testo vero che puoi cercare e copiare. Un PDF prodotto da uno scanner o dalla fotocamera di un telefono contiene fotografie delle pagine e nessun testo — le parole sono pixel, e niente può estrarle senza il riconoscimento dei caratteri. Questo sito rileva quel caso ed esegue un modello di riconoscimento con IA sul tuo computer invece di caricare il file, cosa insolita: l’OCR è di solito il punto in cui un convertitore manda il tuo documento a un server.
I PDF sono anche il punto in cui la privacy smette di essere astratta. È il formato in cui viaggiano contratti, buste paga, estratti conto, lettere mediche, fatture e documenti d’identità scansionati. Ogni conversione qui avviene dentro la pagina — il PDF viene aperto, reso e letto da codice nel tuo browser, e nessuna richiesta trasporta il file. È il motivo per cui questo convertitore è costruito così, e il PDF è la categoria in cui conta di più.
Strumenti PDF
Modifiche alle pagine — nessuna conversione. Tutti e 14 funzionano sul tuo dispositivo.
- Combina più file in un unico documento, nell’ordine che scegli.
Unire PDF
- Separa un documento in più file: uno per pagina, uno ogni tot pagine o secondo gli intervalli che scrivi.
Dividere PDF
- Riduci la dimensione del file ricodificando le immagini che contiene.
Comprimere PDF
- Riconosci il testo di un PDF scansionato e aggiungi un livello invisibile per renderlo ricercabile.Riconoscimento del testo con IA, sul tuo dispositivo
OCR PDF
- Rendi definitivi i valori di un modulo PDF compilato: nessuno può più modificarli e ogni lettore li mostra allo stesso modo.
Appiattire PDF
- Raddrizza le pagine girate di lato o capovolte e salva il risultato.
Ruotare PDF
- Togli i margini da un PDF e salva il risultato.
Ritagliare PDF
- Cancella le pagine che non ti servono e scarica quello che resta.
Eliminare pagine PDF
- Porta le pagine che ti servono in un nuovo file e lascia indietro il resto.
Estrarre pagine PDF
- Sposta le pagine nell’ordine che vuoi e salva il risultato.
Riordinare pagine PDF
- Disegna o scrivi la tua firma, mettila nel punto giusto della pagina e scarica il documento firmato.
Firmare PDF
- Stampa un testo sulle pagine di un documento: in diagonale, dritto o ripetuto, con l’opacità che vuoi.
Filigrana su PDF
- Aggiungi i numeri di pagina a un PDF: in qualsiasi angolo, da qualsiasi numero, sulle pagine che scegli.
Numerare pagine PDF
- Crea l’indice dei segnalibri dalla pagina del sommario, o dai titoli quando manca.
Aggiungere segnalibri al PDF
Converti PDF in altri formati
PDFinWord
Ricostruisce titoli, paragrafi, tabelle con bordi e immagini in un file Word modificabileRiconoscimento del testo con IA, sul tuo dispositivoPDFinJPG
Ogni pagina diventa un’immagine; più pagine arrivano in uno ZIPPDFinPNG
Ogni pagina diventa un’immagine; più pagine arrivano in uno ZIPPDFinTXT
Estrae il livello di testo, oppure legge una scansione sul tuo dispositivoRiconoscimento del testo con IA, sul tuo dispositivoPDFinExcel
Rimette le tabelle in righe e colonne, un foglio per paginaPDFinPowerPoint
Una diapositiva per pagina, ognuna un’immagine della pagina — il testo non è modificabilePDFinMarkdown
Ricostruisce titoli, paragrafi, elenchi e tabelle con bordi come testo MarkdownRiconoscimento del testo con IA, sul tuo dispositivo
Converti altri formati in PDF
JPGinPDF
Inserisce l’immagine in una pagina PDF della sua stessa dimensionePNGinPDF
Inserisce l’immagine in una pagina PDF della sua stessa dimensioneTXTinPDF
Impagina il testo su pagine A4 e lo disegna — testo vero, non un’immagineCSVinPDF
Impagina il testo su pagine A4 e lo disegna — testo vero, non un’immagine
Domande frequenti su PDF
Perché da PDF a Word il risultato non è mai giusto?
Perché un PDF memorizza glifi posizionati, non struttura. Convertire significa dedurre paragrafi, titoli e ordine di lettura dalle coordinate, e non c’è modo di recuperare una tabella o un’impaginazione a due colonne che non sono mai state registrate come tali. Un convertitore che conserva meglio l’impaginazione lo fa rendendo la pagina su un server con una suite per ufficio completa — il che significa ricevere il tuo file.
Come capisco se il mio PDF è scansionato?
Prova a selezionare del testo in un lettore PDF. Se riesci a selezionare e copiare le parole, il file ha un livello di testo. Se invece il cursore disegna un riquadro sopra un’immagine, è una scansione e qualsiasi estrazione di testo richiede il riconoscimento dei caratteri.
L’OCR qui carica il mio documento?
No. Quando un PDF non ha un livello di testo, un modello di riconoscimento con IA — una rete neurale da cinque milioni di parametri — viene scaricato nel tuo browser e gira lì. Circa 21 MB la prima volta, poi resta in cache. Ogni convertitore concorrente che offre l’OCR manda invece il file a un server.
Quanto è preciso il riconoscimento?
Circa il 98% dei caratteri su documenti stampati puliti nei nostri test, sia in cinese sia in inglese. Le scansioni reali sono più difficili — timbri, scrittura a mano, bassa risoluzione e una pagina inserita storta lo riducono tutti. Considera il risultato una bozza da confrontare con l’originale.
Perché il limite di dimensione per i PDF è molto più basso che per i video?
80 MB, perché le pagine vengono rese in memoria come bitmap a piena risoluzione e quel costo si misura in pixel e non in quanto bene era compresso il PDF. Una conversione video scorre il file a flusso; una pagina PDF deve esistere tutta insieme come raster.
Quale conversione PDF dovrei scegliere?
TXT se vuoi le parole da cercare o incollare. DOCX se vuoi modificare e puoi accettare di perdere l’impaginazione. JPG o PNG se vuoi che la pagina resti esattamente com’è — JPG per le scansioni fotografiche, PNG per testo e diagrammi.
Posso trasformare immagini in un PDF?
Sì, e senza perdita: il PDF trasporta in modo nativo dati JPEG e PNG, quindi l’immagine viene incorporata esattamente com’è invece di essere ricompressa. La pagina risultante ha le dimensioni in pixel dell’immagine invece di essere adattata all’A4.
I PDF protetti da password sono supportati?
No. Un PDF cifrato non si può aprire per la lettura o il rendering, e il lavoro fallisce con un messaggio che lo spiega invece di produrre pagine bianche. Togli prima la password in un lettore PDF.