Alat saya

Ekstraktor teks PDF

Ambil teks dari PDF halaman demi halaman, lalu salin atau unduh .txt. Berkas tidak pernah keluar dari tab ini.

Menunggu PDF

Tambahkan satu PDF untuk melihat teksnya di sini.

Jatuhkan PDF ke kartu ini, tempel dengan ⌘V / Ctrl+V, atau pilih berkas. Teks muncul halaman demi halaman — tidak ada tombol Ekstrak.

Hanya PDF · hingga 50 MB · 2.000 halaman. Halaman hasil pindai tidak punya lapisan teks; alat ini bukan OCR.

Berkas tetap di tab ini: tidak ada yang diunggah, disimpan, atau dicatat. Halaman hanya memuat mesin PDF milik situs ini sendiri.

Halaman · 1-3, 5 · 3, 1 · ١-٢ · 1、2

Tidak ada PDF di tangan? Muat contoh memo tiga halaman.

Cara menggunakan

  1. Jatuhkan satu PDF ke kartu, tempel dengan ⌘V / Ctrl+V, atau tekan "Pilih PDF". Teks muncul di kotak hasil halaman demi halaman — tidak ada tombol Ekstrak. Tombol Salin dan Unduh aktif setelah semua halaman terpilih selesai dan status berubah hijau.
  2. Secara bawaan setiap baris PDF tetap menjadi baris dan paragraf dipisahkan baris kosong. Centang "Gabungkan baris menjadi paragraf" untuk menyambung baris yang terlipat: tanda hubung di akhir baris dihapus, baris Tionghoa dan Jepang disambung tanpa spasi, baris lain disambung dengan satu spasi. Mengubah opsi langsung menata ulang teks tanpa membaca PDF lagi.
  3. Ketik halaman seperti "1-3, 5" untuk mengambil hanya halaman itu, sesuai urutan yang Anda ketik; halaman yang tercantum dua kali muncul sekali. Koma, tanda enumerasi Tionghoa, dan koma Arab diterima, begitu juga angka Arab-India, Arab Timur, dan lebar penuh. Biarkan kosong untuk semua halaman. Penanda halaman seperti "--- 3 / 12 ---" menunjukkan nomor halaman asli dan dapat dimatikan.
  4. Jika PDF memerlukan kata sandi, ketik di baris yang muncul dan tekan Enter. Kata sandi hanya dipakai untuk membuka berkas di tab ini.

Contoh

report.pdf — 3 halaman, halaman 3 berupa gambar pindaian

Opsi bawaan
Halaman: (kosong = semua)

Kotak hasil

--- 1 / 3 ---
Laporan triwulanan

Pendapatan tumbuh di setiap wilayah…

--- 2 / 3 ---
Langkah berikutnya
1. Tinjau anggaran
2. Pesan tempat

--- 3 / 3 ---

Petunjuk menampilkan "Halaman 3 tidak memiliki lapisan teks". Penanda halaman dan teks hasil ekstraksi tidak pernah diterjemahkan; unduhan diberi nama report.txt.

Aturan, batasan, dan masalah yang diketahui

  • Tidak ada yang diunggah: PDF dibaca dengan File API dan diurai oleh Web Worker di tab ini. Satu-satunya permintaan jaringan adalah berkas situs ini sendiri — mesin PDF dan worker saat Anda menambahkan berkas pertama, peta karakter untuk sebagian PDF Tionghoa, Jepang, dan Korea, serta contoh saat Anda memintanya. Tidak ada yang disimpan, dan muat ulang dimulai kosong.
  • Tanpa OCR. Dokumen hasil pindai, PDF dari tangkapan layar, dan teks di dalam gambar tidak dapat diekstrak; halaman tersebut dilaporkan tidak memiliki lapisan teks.
  • Urutan baca mengikuti struktur internal PDF. Tata letak multi-kolom, tabel, header, footer, dan catatan kaki dapat saling menyela atau keluar dalam urutan berbeda dari yang terlihat; tidak ada analisis tata letak.
  • Tabel keluar sebagai teks sel saja. Perataan kolom hilang dan sel pada baris yang sama dapat menyatu.
  • Penggabungan baris menjadi paragraf adalah heuristik berdasarkan jarak baris, ukuran font, dan tanda hubung akhir baris. Tanda hubung yang sebenarnya bagian dari kata majemuk bisa terhapus saat berada di akhir baris, dan judul kadang tersambung ke teks di bawahnya.
  • Jika font tidak memiliki pemetaan Unicode, teksnya keluar acak atau kosong. Itu sifat PDF-nya; menyalin dari pembaca PDF biasanya gagal dengan cara yang sama.
  • Ligatur Arab: sebagian pembuat PDF (misalnya dengan font sistem macOS tertentu) memetakan satu glif ligatur ke beberapa karakter, sehingga huruf di dalamnya bisa keluar terbalik (لا menjadi ال). Alat ini tidak menebak perbaikan, jadi teks yang benar tidak pernah diubah.
  • Teks vertikal dikeluarkan dalam urutan internal PDF; urutan baca vertikal tidak dijamin.
  • Jika penulis membatasi penyalinan, alat tetap mengekstrak teks dan menampilkan pemberitahuan. Pastikan Anda berhak menggunakannya.
  • Kata sandi: hanya kata sandi buka (pengguna) yang didukung. Kata sandi dipakai untuk membuka dokumen di tab ini, tidak pernah disimpan, dan enkripsi PDF tidak dihapus.
  • Batas: satu PDF dalam satu waktu, 50 MB, dan 2.000 halaman. Berkas lebih besar ditolak dengan ukuran atau jumlah halaman sebenarnya. Berkas di atas 20 MB atau 300 halaman menampilkan petunjuk "bisa memakan waktu".
  • Jumlah karakter menghitung grafem dan tidak menyertakan penanda halaman serta pemisah baris. Tidak ada jumlah kata untuk bahasa Tionghoa atau Arab; tempel hasilnya ke penghitung karakter & kata untuk statistik rinci.

Lanjutkan pekerjaan pada teks hasil ekstraksi dengan alat lain yang juga berjalan sepenuhnya di tab ini.

Penghitung karakter & kata

Pembersih teks

Ekstrak email, URL, dan angka

Pemisah PDF