PDFFileProductivityDeveloper
PDF ke Teks
Ekstrak semua teks yang boleh diserlahkan daripada PDF supaya anda boleh menyalinnya atau memuat turunnya sebagai fail .txt biasa.
Drag & drop your PDF
or choose a file below
PDF · up to 50 MB
Cara mengekstrak teks daripada PDF
Muat naik PDF anda, dan alat ini membaca semua teks yang boleh diserlahkan. Anda boleh menyalin hasilnya ke papan keratan atau memuat turunnya sebagai fail .txt.
PDF yang diimbas
Alat ini mengekstrak teks yang sudah terbenam dalam PDF. Dokumen yang diimbas yang hanya imej tidak mengandungi teks yang boleh diserlahkan.
Langkah demi langkah: mengekstrak teks daripada PDF
• Klik kawasan muat naik atau seret fail PDF ke situ.
• Tekan Ekstrak teks. Alat ini membaca setiap halaman mengikut urutan; dokumen besar mungkin mengambil masa beberapa saat.
• Semak hasilnya dalam kotak teks di bawah butang. Anda boleh menatal dan mengubah saiznya untuk membaca dokumen panjang.
• Pilih Salin teks untuk menyalin semuanya ke papan keratan, atau Muat turun .txt untuk menyimpan fail teks biasa dengan nama fail asal.
• Pilih Ekstrak daripada PDF lain untuk mengosongkan hasil dan bermula semula.
Cara teks dibina semula
PDF tidak menyimpan perenggan seperti pemproses kata. PDF menyimpan cebisan kecil teks yang diletakkan pada kedudukan tertentu di halaman. Alat ini mengumpulkan cebisan itu halaman demi halaman, mencantumkannya dengan ruang, dan memulakan baris baharu di tempat PDF menandakan hujung baris. Halaman dipisahkan dengan satu baris kosong, dan ruang berlebihan di hujung baris dibuang. Hasilnya ialah teks biasa UTF-8 yang boleh dibuka dalam mana-mana editor, seperti Notepad, TextEdit, VS Code atau Google Docs.
Apa yang dikekalkan dan tidak
• Dikekalkan: semua teks yang boleh dipilih, termasuk tajuk, teks utama, kapsyen, pengepala, pengaki dan nombor halaman.
• Tidak dikekalkan: imej, fon, warna, huruf tebal atau condong, pautan dan reka letak halaman.
• Jadual menjadi baris perkataan yang dipisahkan oleh ruang, bukan lajur, jadi semak nombor dengan teliti sebelum menggunakannya semula.
• Pada halaman berbilang lajur, urutan mengikut cara teks disimpan dalam PDF, yang biasanya, tetapi tidak selalu, sama dengan urutan bacaan.
Kegunaan praktikal
• Memetik atau menggunakan semula petikan daripada laporan, e-buku atau kertas kajian tanpa menaip semula.
• Menampal kandungan ke dalam pengira perkataan, penterjemah, alat carian atau pembantu AI.
• Membina arkib teks biasa yang boleh dicari untuk invois, penyata atau kontrak.
• Menyemak teks yang benar-benar ada dalam PDF, contohnya sebelum menghantarnya ke sistem yang membaca teks secara automatik.
Penyelesaian masalah
Jika anda melihat "Tiada teks boleh pilih ditemui", PDF itu berkemungkinan besar imbasan atau foto halaman. Jalankannya melalui OCR PDF dahulu untuk menambah lapisan teks, kemudian ekstrak teks di sini. Jika fail tidak dapat dibuka kerana dilindungi kata laluan, buang kata laluan dengan Buka Kunci PDF. Jika sesetengah aksara muncul sebagai kotak atau simbol pelik, PDF menggunakan fon tanpa pemetaan aksara yang betul; teks tidak dapat dipulihkan dengan boleh dipercayai daripada fail itu, jadi cuba sumber lain atau OCR. Jika fail rosak gagal dimuatkan, cuba Baiki PDF dahulu.
Petua untuk hasil yang lebih kemas
• Jika anda hanya memerlukan sebahagian dokumen panjang, gunakan Ekstrak Halaman dahulu supaya output hanya mengandungi halaman tersebut.
• Selepas menampal ke dalam pemproses kata, gunakan cari dan ganti untuk mencantumkan baris yang terputus di tengah ayat.
• Perkataan yang dipisahkan dengan sempang di hujung baris dalam PDF asal kekal terpisah, jadi cari sempang di hujung baris semasa mengemaskan teks.
• Untuk jadual yang akan dikira, PDF ke Excel biasanya mengekalkan baris dan lajur lebih baik daripada teks biasa.
• Namakan semula fail .txt yang dimuat turun jika beberapa ekstrak akan mempunyai nama yang serupa.
Soalan Lazim
Hanya jika imbasan telah diproses melalui OCR. Imbasan imej tulen tidak mengandungi teks yang boleh diserlahkan untuk diekstrak.