Non riesci a copiare il testo da un PDF? Quattro cause e i rimedi
Dal team di FreePDF ·
Trascini il cursore su un paragrafo e non si evidenzia niente. Oppure si evidenzia, ma Copia è grigio. Oppure incolli e compare una fila di simboli che sembra un file danneggiato. O ancora, le parole arrivano intatte ma ogni riga finisce con un a capo forzato. Ognuno di questi sintomi ha una causa sua e un rimedio diverso.
Capisci quale problema hai
- Cliccando selezioni tutta la pagina come un blocco unico, o niente: la pagina è un'immagine, di solito una scansione.
- Il testo si evidenzia ma Copia è grigio, o il lettore dice che la copia non è consentita: il file ha delle restrizioni sui permessi. Nelle proprietà del documento, alla voce Sicurezza, di solito è indicato.
- La copia funziona ma quello che incolli non ha senso: c'è un problema di caratteri dentro il PDF.
- Il testo incollato è giusto, ma la formattazione è un disastro.
È una pagina scansionata
Uno scanner produce una fotografia del foglio. Tu leggi le parole, ma il file conosce solo pixel, quindi non c'è niente da selezionare o da cercare. L'OCR legge le lettere dall'immagine e aggiunge dietro ogni pagina un livello di testo invisibile. La pagina resta identica, e ora puoi selezionarla, copiarla e cercarci dentro.
Il nostro OCR ha solo i dati per l'inglese. Su un documento italiano la maggior parte delle parole esce bene, ma le lettere accentate possono sparire o essere sostituite, quindi le varie «è», «più» e «perché» vanno ricontrollate. Una scansione nitida, dritta e ben contrastata dà risultati molto migliori di una foto storta fatta col telefono, e nomi e numeri vanno riletti in ogni caso.
Il file blocca la copia
Un PDF può avere due tipi di password. Una impedisce di aprire il file. L'altra, la password dei permessi, lascia aprire il documento a chiunque ma chiede ai lettori di bloccare copia, stampa o modifica. È lei a spegnere il comando Copia.
Se il documento è tuo, o il proprietario ti ha dato il diritto di riusare il testo, caricalo in Sblocca PDF e ottieni una copia senza protezione. Se il file si apre senza chiederti niente, lascia pure vuoto il campo della password: un PDF con le sole restrizioni sui permessi si sblocca così. Se non è tuo, chiedi a chi te l'ha mandato una versione senza restrizioni. I blocchi su report a pagamento o tracce d'esame di solito sono voluti.
Incolli ed escono simboli
Dentro un PDF il testo è memorizzato come codici che puntano alle forme di un carattere incorporato. Per ritrasformare quei codici in lettere, il lettore ha bisogno di una tabella di corrispondenza dentro il file. Alcuni programmi la omettono o usano una codifica tutta loro, così la pagina si vede perfettamente ma la copia ti consegna i codici grezzi. Cambiare lettore raramente serve, perché nel file quell'informazione proprio non c'è.
L'OCR aggira il problema perché legge le forme, non i codici. C'è però un intoppo: il nostro OCR salta le pagine che hanno già testo, per non duplicare nulla, e una pagina di simboli conta come pagina con testo. Devi prima trasformare le pagine in semplici immagini:
- Converti il PDF con PDF in PNG scegliendo Alta (300 DPI).
- Rimetti le PNG in un PDF con PNG in PDF, aggiungendole nell'ordine delle pagine.
- Passa il nuovo file in OCR PDF.
Ottieni un PDF simile a una scansione, con un livello di testo corretto. È più pesante dell'originale e il testo non è più vettoriale, quindi tieni l'originale per leggere e usa la copia con l'OCR per copiare.
Il testo è giusto, gli a capo no
Un PDF non sa cosa sia un paragrafo. Memorizza righe collocate in punti precisi della pagina, quindi quando copi ogni riga finisce con un a capo, e una parola spezzata fra due righe si porta dietro il trattino. Copiare così una dozzina di pagine vuol dire un sacco di selezioni pignole.
PDF in testo raccoglie il testo di tutte le pagine in un unico file .txt, con una riga vuota tra una pagina e l'altra. Gli a capo restano, ma li sistemi una volta sola. In Word apri Sostituisci (Ctrl+H), espandi le opzioni con Altro, spunta Usa caratteri jolly e sostituisci ([a-zàèéìòù,])^13 con \1 seguito da uno spazio. Così si ricongiungono le righe che finiscono con una lettera minuscola o una virgola, mentre quasi tutte le vere fine di paragrafo restano intatte perché terminano con un punto. Le vocali accentate sono nell'elenco perché in italiano parecchie righe finiscono proprio con «città» o «perché».
Domande frequenti
Perché la ricerca non trova parole che vedo sulla pagina?
Le cause sono le stesse della copia. In una scansione non c'è testo da cercare, e in un file con un carattere difettoso la ricerca cerca lettere che sono memorizzate come altri codici. Dopo l'OCR la ricerca funziona normalmente, con un'avvertenza per le parole accentate: se l'OCR ha perso l'accento, cerca anche «perche» oltre a «perché».
È lecito togliere le restrizioni sulla copia?
Sui tuoi file sì. Su quelli degli altri solo con il loro permesso, e di solito la via più semplice è farti mandare da loro una copia senza restrizioni. Sblocca PDF non indovina e non forza password: lavora con quella che hai già, o con nessuna se il file non ne ha una di apertura.