PDF টেক্সট এক্সট্র্যাক্টর
পৃষ্ঠা ধরে PDF থেকে টেক্সট বের করুন, তারপর কপি করুন বা .txt ডাউনলোড করুন। ফাইলটি এই ট্যাব ছাড়ে না।
উৎস ফাইল
এই PDF পাসওয়ার্ড দিয়ে সুরক্ষিত।
পাসওয়ার্ড ভুল। আবার চেষ্টা করুন।
আউটপুট অপশন
বের করা টেক্সট
এখানে টেক্সট দেখতে একটি PDF যোগ করুন।
কীভাবে ব্যবহার করবেন
- কার্ডে একটি PDF ফেলুন, ⌘V / Ctrl+V দিয়ে পেস্ট করুন, বা “PDF বাছুন” চাপুন। ফলাফল বক্সে টেক্সট পৃষ্ঠা ধরে দেখা যায় — কোনো Extract বোতাম নেই। বাছাই করা প্রতিটি পৃষ্ঠা শেষ হলে এবং অবস্থা সবুজ হলে কপি ও ডাউনলোড চালু হয়।
- ডিফল্টভাবে PDF-এর প্রতিটি লাইন লাইনই থাকে এবং অনুচ্ছেদের মাঝে একটি খালি লাইন থাকে। মোড়ানো লাইন জোড়া দিতে “লাইনগুলো অনুচ্ছেদে মেলান” টিক দিন: লাইন-শেষের হাইফেন সরে যায়, চীনা ও জাপানি লাইন স্পেস ছাড়া যুক্ত হয়, আর অন্য লাইন একটি স্পেস দিয়ে যুক্ত হয়। অপশন বদলালে PDF আবার না পড়েই টেক্সট সঙ্গে সঙ্গে নতুন করে সাজানো হয়।
- “1-3, 5”-এর মতো পৃষ্ঠা লিখে শুধু সেই পৃষ্ঠাগুলো আপনার লেখা ক্রমে রাখুন; একই পৃষ্ঠা দুবার লিখলে একবারই আসে। কমা, চীনা এনুমারেশন চিহ্ন ও আরবি কমা গ্রহণ করা হয়, যেমন আরবি-ইন্ডিক, পূর্বাঞ্চলীয় আরবি ও ফুল-উইড্থ অঙ্কও। সব পৃষ্ঠার জন্য বক্স খালি রাখুন। “--- 3 / 12 ---”-এর মতো পৃষ্ঠা চিহ্ন মূল পৃষ্ঠা নম্বর দেখায় এবং বন্ধ করা যায়।
- PDF-এ পাসওয়ার্ড লাগলে যে সারি দেখা যায় সেখানে লিখে Enter চাপুন। পাসওয়ার্ড কেবল এই ট্যাবে ফাইল খুলতেই ব্যবহৃত হয়।
উদাহরণ
report.pdf — 3 পৃষ্ঠা, পৃষ্ঠা 3 একটি স্ক্যান করা ছবি
ডিফল্ট অপশন পৃষ্ঠা: (খালি = সব)
ফলাফল বক্স
--- 1 / 3 --- ত্রৈমাসিক প্রতিবেদন প্রতিটি অঞ্চলে আয় বেড়েছে… --- 2 / 3 --- পরবর্তী পদক্ষেপ 1. বাজেট পর্যালোচনা করুন 2. ভেন্যু বুক করুন --- 3 / 3 ---
একটি ইঙ্গিত বলে “পৃষ্ঠা 3-এ টেক্সট লেয়ার নেই”। পৃষ্ঠা চিহ্ন ও বের করা টেক্সট কখনো অনুবাদ হয় না; ডাউনলোডের নাম হয় report.txt।
নিয়ম, সীমাবদ্ধতা ও পরিচিত সমস্যা
- কিছুই আপলোড হয় না: PDF ফাইল API দিয়ে পড়া হয় এবং এই ট্যাবের একটি Web Worker তা পার্স করে। একমাত্র নেটওয়ার্ক অনুরোধ হলো এই সাইটের নিজের ফাইল — প্রথম ফাইল যোগ করলে PDF ইঞ্জিন ও worker, কিছু চীনা, জাপানি ও কোরিয়ান PDF-এর ক্যারেক্টার ম্যাপ, এবং আপনি চাইলে নমুনা। কিছুই সংরক্ষিত হয় না, রিলোড করলে খালি শুরু হয়।
- OCR নেই। স্ক্যান করা নথি, স্ক্রিনশট থেকে বানানো PDF এবং ছবির ভিতরের টেক্সট বের করা যায় না; সেই পৃষ্ঠাগুলোকে “টেক্সট লেয়ার নেই” বলে জানানো হয়।
- পড়ার ক্রম PDF-এর অভ্যন্তরীণ কাঠামো অনুসরণ করে। মাল্টি-কলাম লে-আউট, টেবিল, হেডার, ফুটার ও পাদটীকা মিশে যেতে পারে বা আপনি যা দেখছেন তার থেকে ভিন্ন ক্রমে আসতে পারে; কোনো লে-আউট বিশ্লেষণ নেই।
- টেবিল শুধু সেল টেক্সট হিসেবে আসে। কলামের সারিবদ্ধতা হারায় এবং একই সারির সেলগুলো জোড়া লেগে যেতে পারে।
- লাইন অনুচ্ছেদে মেলানো একটি অনুমানভিত্তিক পদ্ধতি, যা লাইনের ফাঁক, ফন্ট সাইজ ও লাইন-শেষের হাইফেনের উপর নির্ভর করে। যৌগিক শব্দের অংশ এমন হাইফেন লাইনের শেষে পড়লে সরে যেতে পারে, আর মাঝে মাঝে একটি শিরোনাম নিচের টেক্সটের সঙ্গে যুক্ত হয়ে যেতে পারে।
- কোনো ফন্টে ইউনিকোড ম্যাপিং না থাকলে তার টেক্সট বিকৃত বা খালি আসে। এটি PDF-এর বৈশিষ্ট্য; PDF রিডার থেকে কপি করলেও সাধারণত একইভাবে ব্যর্থ হয়।
- আরবি লিগেচার: কিছু PDF প্রস্তুতকারক (যেমন নির্দিষ্ট কিছু macOS সিস্টেম ফন্টে) একটি লিগেচার গ্লিফকে কয়েকটি অক্ষরে ম্যাপ করে, তাই এর ভিতরের অক্ষরগুলো উল্টো আসতে পারে (لا হয় ال)। টুল কোনো সমাধান অনুমান করে না, তাই সঠিক টেক্সট কখনো বদলায় না।
- উল্লম্ব টেক্সট PDF-এর অভ্যন্তরীণ ক্রমে আসে; উল্লম্ব পড়ার ক্রম নিশ্চিত নয়।
- লেখক কপি করা সীমিত করলে টুল তবুও টেক্সট বের করে এবং একটি বিজ্ঞপ্তি দেখায়। এটি ব্যবহারের অধিকার আপনার আছে কি না নিশ্চিত করুন।
- পাসওয়ার্ড: কেবল ওপেন (ইউজার) পাসওয়ার্ড সমর্থিত। এটি এই ট্যাবে নথি খুলতে ব্যবহৃত হয়, কখনো সংরক্ষিত হয় না, আর PDF-এর এনক্রিপশন সরানো হয় না।
- সীমা: একসঙ্গে একটি PDF, 50 MB ও 2,000 পৃষ্ঠা। বড় ফাইল প্রকৃত সাইজ বা পৃষ্ঠাসংখ্যা জানিয়ে গ্রহণ করা হয় না। 20 MB বা 300 পৃষ্ঠার বেশি ফাইলে “সময় লাগতে পারে” ইঙ্গিত দেখানো হয়।
- অক্ষর গণনা গ্রাফিম গণনা করে এবং পৃষ্ঠা চিহ্ন ও লাইন ব্রেক বাদ দেয়। চীনা বা আরবির জন্য শব্দ গণনা নেই; বিস্তারিত পরিসংখ্যানের জন্য ফলাফলটি অক্ষর ও শব্দ গণনা টুলে পেস্ট করুন।
সম্পর্কিত টুল
বের করা টেক্সট নিয়ে অন্য টুলে কাজ চালিয়ে যান, যেগুলোও সম্পূর্ণভাবে এই ট্যাবে চলে।