Ekstrak lapisan teks sesebuah PDF sebagai fail .txt ringkas, untuk disalin, diguna semula, atau dicari. Setempat, tanpa muat naik.
Memproses secara setempat pada peranti anda ...
0%
Fail anda tidak pernah meninggalkan peranti
Tidak. Semuanya berjalan dalam pelayar anda - fail anda tidak pernah meninggalkan peranti. Bagaimana ini boleh disahkan
Kadangkala anda hanya perlukan teks tulen daripada sesebuah PDF: memasukkan petikan ke dalam dokumen, menampal kontrak ke editor, mengindeks kandungan untuk carian atau arkib, atau menyerahkan teks kepada pembaca skrin. Alat ini membaca lapisan teks yang terbenam dalam PDF dan mengembalikannya sebagai fail .txt ringkas, tanpa fon, imej, warna, atau susun atur, hanya aksaranya.
Susunan dibina semula halaman demi halaman: cebisan teks pada ketinggian sama membentuk satu baris, dibaca dari atas ke bawah dan dari kiri ke kanan. Anda boleh memilih cara memisahkan halaman: dengan baris kosong (lalai), dengan suapan halaman klasik untuk editor teks dan pencetak, atau tanpa pemisah untuk teks bersambung. Dengan itu hasilnya sepadan dengan langkah anda seterusnya, sama ada penyuntingan, import, atau carian teks penuh.
Penting dan dikatakan dengan jujur: alat ini hanya mengekstrak teks yang sudah wujud sebagai lapisan teks dalam PDF. PDF yang diimbas atau yang hanya terdiri daripada foto tiada lapisan itu; di situ hasilnya kosong dan anda perlukan pengecaman PDF OCR sebagai ganti, yang mengecam huruf daripada piksel. Susun atur rumit dengan beberapa lajur, jadual, atau nota kaki pun tidak selalu boleh disusun ke urutan teks linear yang sempurna. Namun bagi PDF biasa dan sebenar (dihasilkan oleh program pejabat, pelayar, atau sistem penyusunan huruf) ekstraksi memberi teks yang bersih dan boleh diguna semula. Semuanya berjalan setempat dalam pelayar melalui pdf.js; fail anda tidak meninggalkan peranti anda.
| Format input | |
|---|---|
| Format output | TXT |
| Pemprosesan kelompok | Tidak |
| Pemprosesan | Setempat dalam pelayar (JavaScript) |
| Muat naik fail | Tiada |
Batasan: Mengekstrak lapisan teks sedia ada sesebuah PDF dan mengembalikannya sebagai fail .txt dalam UTF-8; baris dibina semula daripada kedudukan teks. PDF yang diimbas atau hanya imej tiada lapisan teks, di situ hasilnya kosong: gunakan PDF OCR. Fon, imej, warna, dan susun atur tepat (halaman berbilang lajur, jadual) hilang atau hanya dihampiri secara linear. Buka kunci dahulu PDF berkata laluan dengan Buka kunci PDF.
Berkemungkinan PDF anda ialah imbasan atau terdiri daripada imej dan tiada lapisan teks. Gunakan PDF OCR, yang mengecam teks daripada piksel.
Tidak. Anda mendapat teks tulen mengikut urutan bacaan. Fon, imej, lajur, dan jadual tidak dihasilkan semula dengan setia.
UTF-8, supaya huruf beraksen dan aksara khas turut kekal dengan betul.
Boleh dipilih: dengan baris kosong (lalai), suapan halaman, atau tanpa pemisah untuk teks bersambung.
Tidak, pengekstrakan teks berlaku sepenuhnya setempat dalam pelayar.