PDF टेक्स्ट एक्सट्रैक्टर
PDF से टेक्स्ट पेज-दर-पेज निकालें, फिर कॉपी करें या .txt डाउनलोड करें। फ़ाइल कभी इस टैब से बाहर नहीं जाती।
स्रोत फ़ाइल
यह PDF पासवर्ड से सुरक्षित है।
गलत पासवर्ड। फिर कोशिश करें।
आउटपुट विकल्प
निकाला गया टेक्स्ट
यहाँ टेक्स्ट देखने के लिए एक PDF जोड़ें।
इसका उपयोग कैसे करें
- कार्ड पर एक PDF डालें, ⌘V / Ctrl+V से पेस्ट करें, या "PDF चुनें" दबाएँ। टेक्स्ट परिणाम बॉक्स में पेज-दर-पेज दिखता है — कोई "निकालें" बटन नहीं है। जब हर चुना पेज पूरा हो और स्टेटस हरा हो जाए, तब कॉपी और डाउनलोड खुलते हैं।
- डिफ़ॉल्ट रूप से PDF की हर पंक्ति पंक्ति ही रहती है और पैराग्राफ़ खाली पंक्ति से अलग होते हैं। "पंक्तियों को पैराग्राफ़ में मिलाएँ" चुनने पर लिपटी पंक्तियाँ जुड़ती हैं: पंक्ति के अंत का हाइफ़न हटता है, चीनी और जापानी पंक्तियाँ बिना स्पेस जुड़ती हैं, और बाकी पंक्तियाँ एक स्पेस से जुड़ती हैं। विकल्प बदलते ही टेक्स्ट तुरंत फिर से व्यवस्थित होता है, PDF दोबारा पढ़ी नहीं जाती।
- "1-3, 5" जैसे पेज लिखें ताकि केवल वही पेज रहें, आपके लिखे क्रम में; दो बार लिखा पेज एक बार आता है। कॉमा, चीनी गणना चिह्न और अरबी कॉमा स्वीकार्य हैं, और अरबी-भारतीय, पूर्वी अरबी व फ़ुल-विड्थ अंक भी। सभी पेजों के लिए बॉक्स खाली छोड़ें। "--- 3 / 12 ---" जैसे पेज मार्कर मूल पेज नंबर दिखाते हैं और बंद किए जा सकते हैं।
- यदि PDF को पासवर्ड चाहिए, तो दिखने वाली पंक्ति में लिखकर Enter दबाएँ। पासवर्ड केवल इसी टैब में फ़ाइल खोलने के लिए इस्तेमाल होता है।
उदाहरण
report.pdf — 3 पेज, पेज 3 एक स्कैन की गई छवि है
डिफ़ॉल्ट विकल्प पेज: (खाली = सभी)
परिणाम बॉक्स
--- 1 / 3 --- त्रैमासिक रिपोर्ट हर क्षेत्र में राजस्व बढ़ा… --- 2 / 3 --- आगे के कदम 1. बजट की समीक्षा करें 2. स्थान बुक करें --- 3 / 3 ---
एक संकेत बताता है कि "पेज 3 में टेक्स्ट लेयर नहीं है"। पेज मार्कर और निकाला गया टेक्स्ट कभी अनुवादित नहीं होते; डाउनलोड का नाम report.txt रखा जाता है।
नियम, सीमाएँ और ज्ञात समस्याएँ
- कुछ भी अपलोड नहीं होता: PDF को File API से पढ़ा जाता है और इसी टैब में एक Web Worker उसे पार्स करता है। नेटवर्क अनुरोध केवल इसी साइट की फ़ाइलों के होते हैं — पहली फ़ाइल जोड़ते समय PDF इंजन और वर्कर, कुछ चीनी, जापानी और कोरियाई PDF के लिए कैरेक्टर मैप, और नमूना तब जब आप उसे माँगें। कुछ संग्रहीत नहीं होता, और रीलोड पर खाली शुरुआत होती है।
- कोई OCR नहीं। स्कैन किए दस्तावेज़, स्क्रीनशॉट से बनी PDF और छवियों के अंदर का टेक्स्ट नहीं निकाला जा सकता; ऐसे पेजों के बारे में बताया जाता है कि उनमें टेक्स्ट लेयर नहीं है।
- पठन क्रम PDF की आंतरिक संरचना का पालन करता है। मल्टी-कॉलम लेआउट, तालिकाएँ, हेडर, फ़ुटर और फ़ुटनोट आपस में मिल सकते हैं या आपको दिखने वाले क्रम से अलग क्रम में आ सकते हैं; कोई लेआउट विश्लेषण नहीं है।
- तालिकाएँ केवल सेल टेक्स्ट के रूप में आती हैं। कॉलम का संरेखण खो जाता है और एक ही पंक्ति के सेल जुड़ सकते हैं।
- पंक्तियों को पैराग्राफ़ में मिलाना लाइन स्पेसिंग, फ़ॉन्ट साइज़ और पंक्ति के अंत के हाइफ़न पर आधारित अनुमान है। किसी संयुक्त शब्द का असली हाइफ़न, यदि पंक्ति के अंत में पड़े, हट सकता है, और कोई हेडिंग कभी-कभी नीचे के टेक्स्ट से जुड़ सकती है।
- यदि किसी फ़ॉन्ट में Unicode मैपिंग नहीं है, तो उसका टेक्स्ट गड़बड़ या खाली आता है। यह PDF की विशेषता है; PDF रीडर से कॉपी करने में भी आमतौर पर वही दिक्कत आती है।
- अरबी लिगेचर: कुछ PDF निर्माता (उदाहरण के लिए कुछ macOS सिस्टम फ़ॉन्ट के साथ) एक लिगेचर ग्लिफ़ को कई कैरेक्टर से मैप करते हैं, इसलिए उसके अंदर के अक्षर उलटे आ सकते हैं (لا बन जाता है ال)। टूल कोई सुधार अनुमान नहीं लगाता, इसलिए सही टेक्स्ट कभी नहीं बदला जाता।
- लंबवत टेक्स्ट PDF के आंतरिक क्रम में आउटपुट होता है; लंबवत पठन क्रम की गारंटी नहीं है।
- यदि लेखक ने कॉपी करना प्रतिबंधित किया है, तो भी टूल टेक्स्ट निकालता है और सूचना दिखाता है। सुनिश्चित करें कि आपको इसका उपयोग करने का अधिकार है।
- पासवर्ड: केवल खोलने वाला (उपयोगकर्ता) पासवर्ड समर्थित है। यह इसी टैब में दस्तावेज़ खोलने के लिए इस्तेमाल होता है, कभी सेव नहीं होता, और PDF का एन्क्रिप्शन नहीं हटाया जाता।
- सीमाएँ: एक बार में एक PDF, 50 MB और 2,000 पेज। बड़ी फ़ाइलें असली साइज़ या पेज संख्या बताकर अस्वीकार की जाती हैं। 20 MB या 300 पेज से अधिक फ़ाइलों पर "समय लग सकता है" का संकेत दिखता है।
- कैरेक्टर गिनती ग्रेफ़ीम गिनती है और पेज मार्कर व लाइन ब्रेक शामिल नहीं करती। चीनी या अरबी के लिए शब्द गिनती नहीं है; विस्तृत आँकड़ों के लिए परिणाम को कैरेक्टर और शब्द काउंटर में पेस्ट करें।
संबंधित टूल
निकाले गए टेक्स्ट पर अन्य टूल से काम जारी रखें, जो पूरी तरह इसी टैब में चलते हैं।