Ekstrak teks daripada PDF
Keluarkan perkataan daripada PDF sebagai teks biasa, tanpa menghantar dokumen ke mana-mana.
- Berjalan pada peranti anda — fail tidak pernah dihantar ke mana-mana
- Tanpa pendaftaran, tanpa tera air, tanpa kuota harian
- Percuma, tanpa had berapa kerap anda menggunakannya
Cara ia berfungsi
PDF yang mengandungi teks sebenar membawa aksara itu sendiri, diposisikan pada halaman. Alat ini membacanya mengikut susunan halaman dan menulisnya ke fail teks biasa — berguna untuk petikan, carian, kiraan perkataan, atau memasukkan dokumen ke dalam sesuatu yang tidak boleh membaca PDF.
PDF teks dan PDF imbasan ialah perkara berbeza
Jika PDF dihasilkan oleh pemproses perkataan atau eksport, teksnya disimpan sebagai teks dan pengekstrakan berfungsi. Jika ia dihasilkan oleh pengimbas atau kamera telefon, setiap halaman ialah fotograf dokumen — tiada aksara untuk diekstrak, hanya piksel. Membacanya memerlukan OCR, yang sengaja tidak dicuba oleh alat ini. Ia memberitahu anda apabila ia tidak menemui apa-apa dan bukannya memberikan fail kosong tanpa penjelasan.
Reka letak tidak kekal
PDF menyimpan teks sebagai serpihan yang diletakkan pada koordinat, bukan sebagai perenggan. Pengekstrakan membina semula baris dengan mengumpulkan serpihan pada ketinggian yang sama, yang berfungsi dengan baik untuk prosa biasa dan lemah untuk reka letak berbilang lajur, jadual dan bar sisi, di mana susunan bacaan boleh keluar bercelaru.
Penanda halaman
Setiap halaman didahului oleh penanda supaya anda tahu di mana satu berakhir dan yang seterusnya bermula. Buang dengan cari-dan-ganti jika anda mahukan prosa berterusan.
Ekstrak teks daripada PDF — soalan lazim
Mengapa fail yang diekstrak kosong?
PDF itu hampir pasti imbasan. Halamannya ialah imej dan bukannya teks, jadi tiada aksara untuk diekstrak. Membacanya memerlukan OCR, yang tidak dilakukan oleh alat ini.
Adakah PDF saya dimuat naik?
Tidak. Pengekstrakan berjalan dalam pelayar anda menggunakan PDF.js Mozilla. Dokumen tidak pernah meninggalkan peranti anda.
Adakah ia mengekalkan pemformatan?
Tidak. Anda mendapat teks biasa. PDF menyimpan teks sebagai serpihan yang diposisikan dan bukannya perenggan, jadi lajur dan jadual khususnya mungkin keluar dalam susunan yang tidak dijangka.