PDF na tekst

W dwustustronicowej ekspertyzie trzeba odnaleźć i zacytować jedno sformułowanie. Albo treść przepisu ma pójść do narzędzia tłumaczeniowego, do analizy czy po prostu do notatnika, bez wędrujących razem z nią nagłówków i stopek. Eksport tekstu wyciąga dokładnie to, co jest w pliku zapisane jako znaki, i zapisuje to jako .txt w UTF-8, dzięki czemu polskie znaki diakrytyczne nie rozsypują się po drodze.

Kolejność czytania wynika z kolejności, w jakiej znaki zostały zapisane w pliku, a ta nie zawsze odpowiada temu, co widzi oko. Przy składzie dwuszpaltowym, numerach stron, notkach na marginesie i tabelach kolejność potrafi się przeplatać; komórki tabeli pojawiają się jako kolejne wiersze, a ich przypisanie do kolumn przepada. Formatowanie, obrazy i podział na strony nie są celowo przenoszone. Jeśli wychodzą same krzaczki, znaczy to, że plikowi brakuje przypisania krojów znaków do Unicode, co zdarza się w starszych programach składu i czego nie da się naprawić po fakcie.

Zeskanowany PDF da pusty plik i nie jest to usterka: na skanie nie ma znaków, jest tylko obraz strony. Do takich dokumentów służy rozpoznawanie tekstu, choć polskiego nie ma na liście dostępnych w nim języków. Kto woli od razu dostać treść w akapitach w pliku do edycji, wybierze eksport do Worda, który zresztą również daje wyłącznie tekst. Plik jest odczytywany lokalnie w przeglądarce, nic nie jest wysyłane.