PDF থেকে টেক্সট কনভার্টার
PDF থেকে শুধু লেখাটুকু রাখুন: কোনো ফন্ট নেই, ছবি নেই, লেআউট নেই, শুধু একটি .txt ফাইল, যা আপনি সার্চ করতে, পেস্ট করতে, diff করতে, স্ক্রিপ্টে দিতে বা অনুবাদ টুলে ব্যবহার করতে পারবেন। স্ক্যান করা পেজ আগে OCR দিয়ে পড়া হয়।
PDF কনভার্টার
অথবা PDF ফাইল এখানে ড্রop করুন ·
প্রতি ফাইল সর্বোচ্চ 95 MB· সর্বোচ্চ 20টি ফাইল· 30 মিনিট পরে মুছে ফেলা হয়
ফাইল আমাদের সার্ভারে প্রসেস করা হয় এবং 30 মিনিট পরে মুছে ফেলা হয়।
স্ক্যান করা PDF আসলে পৃষ্ঠার ছবি। অটো শুধু টেক্সট লেয়ার নেই এমন পৃষ্ঠায় OCR চালায়; সর্বদা হলে প্রতিটি পৃষ্ঠায় বাধ্যতামূলকভাবে চলে।
স্ক্যানে ছাপা ভাষা। সঠিকটি বাছলে অ্যাকসেন্ট ও ল্যাটিন নয় এমন লিপির নির্ভুলতা উল্লেখযোগ্যভাবে বাড়ে।
প্রবাহিত টেক্সট সাধারণ অনুচ্ছেদে সাজে, যা সম্পাদনা করা সহজ। হুবহু লেআউট প্রতিটি ব্লক আগের জায়গায় রাখে, দেখতে একই হয় কিন্তু সম্পাদনা কঠিন।
শনাক্ত হওয়া টেবিলগুলো ওয়ার্কবুকের কোথায় যাবে।
পৃষ্ঠা নম্বর বা পরিসর কমা দিয়ে আলাদা করে লিখুন, যেমন 1-3, 5, 8-10।
এই টুল কীভাবে ব্যবহার করবেন
- 1
PDF দিন
একটি PDF অথবা একসাথে সর্বোচ্চ 20টি PDF আপলোড করুন, প্রতিটি সর্বোচ্চ 95 MB। টাইপ করা ও স্ক্যান করা পেজ মেশানো ফাইল পেজ ধরে ধরে প্রক্রিয়া করা হয়।
- 2
চাইলে পেজ বেছে নিন
যে ফরম্যাটে রূপান্তর এর অধীনে প্লেইন টেক্সট আগে থেকেই বাছাই করা আছে। শুধু প্রয়োজনীয় অধ্যায় বা পরিশিষ্ট বের করতে উন্নত সেটিংস-এর ভেতরে যে পেজগুলো কনভার্ট হবে ব্যবহার করুন।
- 3
.txt ডাউনলোড করুন
Plain text-এ কনভার্ট করুন চাপুন। ফাইলটি UTF-8 এনকোডেড, তাই যেকোনো আধুনিক এডিটরে অ্যাকসেন্ট ও অ-ল্যাটিন লিপি ঠিকভাবে দেখা যায়।
PDF থেকে লেখা বের করার সবচেয়ে পরিষ্কার উপায় কী?
এটিকে সাধারণ .txt ফাইলে কনভার্ট করুন। পড়ার ক্রমে প্রতিটি শব্দ পাবেন, অনুচ্ছেদগুলো ফাঁকা লাইনে আলাদা, আর কিছুই নয়, যেকোনো এডিটর বা প্রোগ্রামের জন্য তৈরি।
PDF থেকে টেক্সট বের করলে কী থাকে আর কী বাদ যায়
কনভার্টার প্রতিটি পেজ পড়ার ক্রমে, ওপর থেকে নিচে ও কলাম ধরে ধরে পার হয় এবং যে অক্ষর পায় তা লেখে। একই অনুচ্ছেদের লাইনগুলো জোড়া লাগে, আর অনুচ্ছেদ আলাদা হয় একটি ফাঁকা লাইনে। প্রতিটি পেজের লেখা আগের পেজের পরে আসে, তাই একটি অধ্যায় একটানা পাঠের মতো পড়া যায়।
চোখে দেখা সবকিছু বাদ যায়: ফন্ট, সাইজ, রং, ছবি, চার্ট এবং পেজে লেখার অবস্থান। এটাই উদ্দেশ্য। ছবিতে ভরা 10 MB-এর রিপোর্ট সাধারণত কয়েকশো কিলোবাইটের টেক্সট ফাইলে নেমে আসে, যা সার্চ করা, diff টুলে সংস্করণ মেলানো বা অনুবাদ ও বিশ্লেষণ টুলে পেস্ট করা সহজ।
কমান্ড-লাইন ব্যবহারকারীরা Poppler ও Xpdf প্রকল্পের pdftotext চেনেন, যা ডিজিটাল PDF-এ একই ধরনের কাজ করে। এখানকার পার্থক্য OCR: টেক্সট লেয়ার ছাড়া পেজ ফাঁকা না এসে আপনার বাছাই করা ভাষায় শনাক্ত হয়। PDF নয় এমন ছবির জন্য ছবি থেকে লেখা ব্যবহার করুন।
প্লেইন টেক্সট, Markdown না Word: সঠিক আউটপুট বেছে নিন
প্লেইন টেক্সট
শুধু শব্দ, UTF-8।
- সবচেয়ে ছোট ফাইল
- যেকোনো কিছুতে খোলে
- হেডিং বা ফরম্যাটিং নেই
Markdown
হালকা মার্কআপসহ টেক্সট।
- # দিয়ে হেডিং চিহ্নিত
- তালিকা ও বোল্ড থাকে
- তবুও টেক্সট ফাইল
Word ডকুমেন্ট
সম্পূর্ণ সম্পাদনাযোগ্য লেআউট।
- টেবিল ও ছবি থাকে
- স্টাইল অক্ষুণ্ণ
- ওয়ার্ড প্রসেসর লাগে
টেক্সট ফাইল এত ছোট কেন
1 byteUTF-8 টেক্সট ফাইলে প্রতিটি ইংরেজি অক্ষর, সংখ্যা বা স্পেসের জন্য
Portable Document Format
PDF ১৯৯৩ সালে Adobe তৈরি করে এবং ২০০৮ সালে উন্মুক্ত ISO 32000 স্ট্যান্ডার্ড হয়। এটি টেক্সট, ফন্ট, ছবি ও লেআউট স্থির রাখে, ফলে নথি প্রতিটি স্ক্রিন ও প্রিন্টারে একই রকম দেখায়। PDF-এ ফর্ম, স্বাক্ষর, লিংক, অ্যাটাচমেন্ট ও সার্চযোগ্য টেক্সট থাকতে পারে, আর দীর্ঘমেয়াদি আর্কাইভের জন্য PDF/A ভ্যারিয়েন্ট ব্যবহৃত হয়। স্থির লেআউটের কারণে PDF এডিট করা কঠিন, আর স্ক্যান করা PDF-এ OCR না করলে শুধু ছবি থাকে। প্রতিটি ব্রাউজার ও অপারেটিং সিস্টেম এটি খুলতে পারে।
- কম্প্রেশন
- –
- স্বচ্ছতা (ট্রান্সপারেন্সি)
- হ্যাঁ
- অ্যানিমেশন
- না
- প্রবর্তনের সাল
- 1993 · Adobe
TXT
প্লেইন টেক্সট
TXT ফাইলে শুধু সাধারণ অক্ষর থাকে; কোনো ফরম্যাটিং, ফন্ট, ছবি বা লেআউট থাকে না। আধুনিক টেক্সট ফাইল সাধারণত UTF-8-এ এনকোড করা হয়, যা সব ভাষা সমর্থন করে; তবে পুরনো ফাইলে অন্য এনকোডিং থাকলে অক্ষর এলোমেলো দেখাতে পারে। প্লেইন টেক্সট খুব ছোট, কখনো অচল হয় না এবং ফোন থেকে সার্ভার পর্যন্ত সব ডিভাইসে খোলে। এতে বোল্ড লেখা, টেবিল বা ছবি রাখা যায় না, তাই কাঠামো দিতে হলে স্পেসিং বা সহজ মার্কআপ ব্যবহার করতে হয়।
- কম্প্রেশন
- –
- স্বচ্ছতা (ট্রান্সপারেন্সি)
- –
- অ্যানিমেশন
- –
- প্রবর্তনের সাল
- –
শুধু শব্দগুলোই দরকার হলে মানুষ PDF থেকে প্লেইন টেক্সট বের করে, যেমন সার্চ, উদ্ধৃতি, অনুবাদ, ডেটা পরিষ্কার বা অন্য প্রোগ্রামে দেওয়ার জন্য, আর লেআউট তখন শুধু বাধা হয়।
PDF থেকে টেক্সট: প্রশ্ন ও উত্তর
PDF থেকে লেখা সরাসরি কপি-পেস্ট করলে হয় না কেন?
এক-দুই অনুচ্ছেদের জন্য পারেন, কিন্তু PDF ভিউয়ার থেকে কপি করলে প্রায়ই লাইনের শেষে শব্দ ভেঙে যায়, কলাম মিশে যায়, বাক্যের মাঝে পেজ হেডার ঢুকে পড়ে, আর স্ক্যান করা পেজে কিছুই কপি হয় না। এক্সট্র্যাকশন পুরো ফাইল পড়ার ক্রমে পড়ে এবং যেখানে টেক্সট লেয়ার নেই সেখানে OCR চালায়।
টেক্সট ফাইলের এনকোডিং কী?
UTF-8, যা ওয়েব ও বেশিরভাগ সফটওয়্যারের ডিফল্ট এনকোডিং। Windows 10 ভার্সন 1903 থেকে Windows Notepad নতুন ফাইল ডিফল্টভাবে UTF-8-এ সেভ করে, আর macOS TextEdit, VS Code ও সব ব্রাউজার কিছু না জিজ্ঞেস করেই তা পড়ে। কোনো পুরনো প্রোগ্রামে অদ্ভুত অক্ষর দেখালে ইমপোর্ট অপশনে UTF-8 বেছে নেওয়ার সুযোগ খুঁজুন।
TXT আর PDF থেকে TXT টুল কি একই?
আউটপুট একই: একটি .txt ফাইল। এই পেজ লেখা বের করে পুনরায় ব্যবহারের ওপর জোর দেয়; PDF to TXT একই রূপান্তর, তবে ফাইল এক্সটেনশনের নামে, যেটা অনেকে সার্চ করেন।
টেবিলের কী হয়?
টেবিলের ঘরগুলো পড়ার ক্রমে ট্যাব দিয়ে আলাদা করে লেখা হয়, তাই টেবিল স্প্রেডশিটে মোটামুটি ভালোভাবে পেস্ট হয়। টেবিলের জন্যই কনভার্ট করলে PDF to Excel সারি ও কলাম আসল ঘরে রাখে।
হেডিং চিহ্নিত করে লেখা পাওয়া যায় কি?
প্লেইন টেক্সটে হেডিং চিহ্নিত করার উপায় নেই। হেডিং, তালিকা ও বোল্ড লেখা সহজ চিহ্নে রেখে টেক্সট ফাইলই রাখতে চাইলে যে ফরম্যাটে রূপান্তর থেকে Markdown বেছে নিন।
স্ক্যান থেকে লেখা বের করা কি হাতের লেখায় কাজ করে?
OCR ছাপা লেখার জন্য তৈরি। পরিষ্কার বড় হাতের অক্ষর প্রায়ই পড়া যায়, কিন্তু কার্সিভ হাতের লেখা নির্ভরযোগ্য নয়। 300 dpi-এর টাইপ করা বা ছাপা স্ক্যানে সেরা ফল মেলে।
| PDF থেকে Markdown | PDF থেকে Word | PDF থেকে EPUB |
| TXT থেকে PDF | ছবি থেকে লেখা | HTML থেকে TXT |
