Trích lớp văn bản của một PDF thành tệp .txt thuần, để sao chép, dùng lại hoặc tìm kiếm. Cục bộ, không tải lên.
Đang xử lý cục bộ trên thiết bị của bạn ...
0%
Tệp của bạn chưa bao giờ rời khỏi thiết bị
Không. Mọi thứ chạy trong trình duyệt của bạn - tệp của bạn không bao giờ rời khỏi thiết bị. Cách kiểm chứng điều này
Đôi khi bạn chỉ cần văn bản thuần từ một PDF: đưa một trích dẫn vào tài liệu, dán một hợp đồng vào trình soạn thảo, lập chỉ mục nội dung để tìm kiếm hoặc lưu trữ, hoặc chuyển văn bản cho phần mềm đọc màn hình. Công cụ này đọc lớp văn bản nhúng trong PDF và trả về một tệp .txt thuần, không có phông chữ, hình ảnh, màu sắc hay bố cục, chỉ có các ký tự.
Thứ tự được dựng lại theo từng trang: các mảnh văn bản ở cùng độ cao tạo thành một dòng, đọc từ trên xuống dưới và từ trái sang phải. Bạn có thể chọn cách tách trang: bằng một dòng trống (mặc định), bằng một dấu ngắt trang cổ điển cho trình soạn thảo và máy in, hoặc không tách để có văn bản liên tục. Nhờ đó kết quả hợp với bước tiếp theo của bạn, dù là chỉnh sửa, nhập vào hay tìm kiếm toàn văn.
Quan trọng và nói thật lòng: công cụ này chỉ trích văn bản đã có sẵn dưới dạng lớp văn bản trong PDF. Một PDF quét hoặc chỉ gồm ảnh thì không có lớp đó; ở đó kết quả sẽ trống và bạn cần dùng nhận dạng PDF OCR thay thế, nó nhận ra chữ từ các điểm ảnh. Các bố cục phức tạp với nhiều cột, bảng hoặc chú thích cũng không phải lúc nào cũng đưa được về một thứ tự văn bản tuyến tính hoàn hảo. Nhưng với các PDF bình thường và thật sự (do chương trình văn phòng, trình duyệt hoặc hệ thống dàn trang tạo ra), việc trích xuất cho văn bản sạch và dùng lại được. Tất cả chạy cục bộ trong trình duyệt qua pdf.js; tệp của bạn không rời khỏi thiết bị.
| Định dạng đầu vào | |
|---|---|
| Định dạng đầu ra | TXT |
| Xử lý hàng loạt | Không |
| Xử lý | Cục bộ trong trình duyệt (JavaScript) |
| Tải tệp lên | Không có |
Giới hạn: Trích lớp văn bản sẵn có của một PDF và trả về dưới dạng tệp .txt theo UTF-8; các dòng được dựng lại từ vị trí văn bản. PDF quét hoặc chỉ có ảnh thì không có lớp văn bản, ở đó kết quả sẽ trống: hãy dùng PDF OCR. Phông chữ, hình ảnh, màu sắc và bố cục chính xác (trang nhiều cột, bảng) bị mất hoặc chỉ được xấp xỉ theo kiểu tuyến tính. Hãy mở khóa các PDF có mật khẩu trước bằng Mở khóa PDF.
Có lẽ PDF của bạn là bản quét hoặc gồm các hình ảnh và không có lớp văn bản. Hãy dùng PDF OCR, nó nhận ra văn bản từ các điểm ảnh.
Không. Bạn nhận được văn bản thuần theo thứ tự đọc. Phông chữ, hình ảnh, cột và bảng không được tái hiện đúng nguyên bản.
UTF-8, nhờ đó các ký tự có dấu và ký tự đặc biệt vẫn được giữ đúng.
Tùy chọn: bằng một dòng trống (mặc định), một dấu ngắt trang hoặc không tách để có văn bản liên tục.
Không, việc trích văn bản diễn ra hoàn toàn cục bộ trong trình duyệt.