PDF থেকে TXT কনভার্টার
PDF-এর লেখা একটি .txt ফাইলে সেভ করুন, যা যেকোনো এডিটর, স্ক্রিপ্ট বা সার্চ টুলে খোলা যায়। লেখা নিখুঁতভাবে আসবে কি না, তা আপনার PDF-এর ভেতরের একটি বিষয়ের ওপর নির্ভর করে: সেখানে আসল টেক্সট লেয়ার আছে, নাকি শুধু পেজের ছবি।
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
আপনার PDF ফাইল যোগ করুন
একটি PDF বা একসাথে সর্বোচ্চ ২০টি PDF বেছে নিন, প্রতিটি সর্বোচ্চ 95 MB। টাইপ করা, এক্সপোর্ট করা ও স্ক্যান করা ডকুমেন্ট একই ব্যাচে দেওয়া যাবে।
- 2
স্ক্যান সেটিংস দেখে নিন
যে ফরম্যাটে রূপান্তর আগে থেকেই Plain text সেট করা আছে। ডকুমেন্টটি ইংরেজি ছাড়া অন্য ভাষার স্ক্যান হলে উন্নত সেটিংস খুলে ডকুমেন্টের ভাষা থেকে সেই ভাষা বেছে নিন।
- 3
কনভার্ট করে সেভ করুন
Plain text-এ কনভার্ট করুন চাপুন, তারপর প্রতিটি .txt ফাইল ডাউনলোড করুন, অথবা সবগুলো একসাথে ZIP হিসেবে নিন।
PDF ভিউয়ারে একটি শব্দ আলাদা করে সিলেক্ট করা গেলে টেক্সট ফাইলের ভেতরেই আছে এবং TXT কপি হুবহু হবে; পুরো পেজ ছবির মতো হাইলাইট হলে আগে OCR দিয়ে পড়তে হবে।
PDF থেকে টেক্সট কনভার্ট: টেক্সট লেয়ার নাকি স্ক্যান করা পেজ
Word, Google Docs বা ব্রাউজার থেকে এক্সপোর্ট করা PDF অক্ষরগুলোকে তাদের অবস্থানসহ রাখে, তাই সেগুলো বের করতে হলে যুক্তিসঙ্গত ক্রমে পড়তে হয়। স্ক্যানার বা ফোনের ক্যামেরা থেকে পাওয়া PDF শুধু প্রতিটি পেজের ছবি রাখে, তাই টেক্সট শনাক্ত করতে হয়। অনেক অফিস PDF-এ দুটোই মিশে থাকে: টাইপ করা চিঠির শেষে স্ক্যান করা স্বাক্ষরের পেজ।
টেক্সট শনাক্তকরণ (OCR) ঠিক করে প্রতিটি পেজ কীভাবে সামলানো হবে। নিচের তিনটি সেটিং এই ধরনের ফাইলে আলাদাভাবে কাজ করে, আর বেশিরভাগ ক্ষেত্রে Auto-ই ঠিক।
যেসব পেজে আগে থেকেই টেক্সট লেয়ার আছে সেগুলো যেমন আছে তেমন কপি হয়; যেগুলোতে নেই সেগুলো আপনার বাছা ডকুমেন্টের ভাষায় শনাক্ত করা হয়।
- মিশ্র ফাইলের জন্য সেরা
- ডিজিটাল পেজে নির্ভুলতা কমে না
টেক্সট থাকলেও প্রতিটি পেজ তার ছবি থেকে শনাক্ত করা হয়। বিদ্যমান টেক্সট লেয়ার ভাঙা বা প্লেসহোল্ডার চিহ্নে ভরা থাকলে এটি ব্যবহার করুন।
- ম্যাপ না-করা ফন্টের PDF ঠিক করে
- বড় ফাইলে ধীর
শুধু বিদ্যমান টেক্সট লেয়ার পড়া হয়। স্ক্যান করা পেজ ফাঁকা আসে, কোন পেজগুলো স্ক্যান ছিল তা জানতে এটি কাজে লাগে।
- সবচেয়ে দ্রুত
- শুধু ডিজিটাল PDF
PDF থেকে টেক্সট কনভার্টারের আউটপুটে এলোমেলো অক্ষর
PDF-এর ভেতরে টেক্সট হলো একটি নির্দিষ্ট ফন্টের গ্লিফ কোডের তালিকা, অক্ষর নয়। ভালোভাবে তৈরি ফাইলে ToUnicode ম্যাপ থাকে, যা বলে কোন কোড কোন অক্ষর। কিছু পুরোনো প্রিন্ট ড্রাইভার ও কাস্টম রিপোর্ট জেনারেটরের ফাইলে এই ম্যাপ থাকে না, তাই পেজ নিখুঁত দেখালেও সেখান থেকে কপি করলে অর্থহীন লেখা আসে। OCR জোর করে চালানোই এর নির্ভরযোগ্য সমাধান, আর স্ক্যান সেটিং বিস্তারিত জানতে দেখুন স্ক্যান করা PDF থেকে টেক্সট।
TXT ফাইলটি নিজে UTF-8, তাই অ্যাকসেন্টযুক্ত অক্ষর, সিরিলিক, আরবি, দেবনাগরী ও CJK অক্ষর ঠিক থাকে। ডান-থেকে-বামে লেখা স্ক্রিপ্ট পড়ার ক্রমে সংরক্ষিত হয়, যা এডিটর ও সার্চ ইঞ্জিন প্রত্যাশা করে।
TXT ফাইলে লাইন ব্রেক, হাইফেন, কলাম ও হেডার
লাইন ব্রেক
PDF লাইন চেনে, অনুচ্ছেদ নয়। ফাঁকা দেখে অনুচ্ছেদ মনে হলে লাইনগুলো আবার জোড়া হয়, তবে কবিতা, ঠিকানা ও কোড তালিকা হাতে একবার দেখে নিতে হতে পারে।
হাইফেন
লাইনের শেষে "conver-" ও "sion" হিসেবে ভাঙা শব্দ সাধারণত আবার জোড়া হয়। লাইনের শেষে পড়া আসল হাইফেন, যেমন "well-known", হাইফেন হারাতে পারে, তাই হুবহু শব্দ জরুরি হলে সার্চ করে দেখুন।
কলাম
দুই কলামের জার্নাল কলাম ধরে ধরে পড়া হয়। বক্স বা পুল কোটযুক্ত জটিল লেআউটে দুই অনুচ্ছেদের মাঝে সাইডবারের লেখা ঢুকে যেতে পারে।
হেডার ও ফুটার
রানিং টাইটেল, পেজ নম্বর ও গোপনীয়তার লাইন প্রতিটি পেজে পুনরাবৃত্ত হয় এবং TXT-তে পেজগুলোর মাঝে এসে পড়ে। পুনরাবৃত্ত লাইনটির ওপর ফাইন্ড-অ্যান্ড-রিপ্লেস করলে একবারেই সব মুছে যায়।
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
- –
.txt ফাইল হলো সবচেয়ে সর্বজনগ্রাহ্য ফরম্যাট: ডেটা পাইপলাইন, সার্চ ইনডেক্স, সাবটাইটেল ও অনুবাদ টুল এবং সাধারণ ইমেইল সবই এটি নেয়, অথচ PDF-এর শব্দ পড়তে আগে একটি পার্সার লাগে।
ফ্রিতে PDF থেকে টেক্সট কনভার্ট: ফাইল, সাইজ ও ভাষা
- প্রতি ব্যাচে PDF
- 20
- প্রতি PDF
- 95 MB
- OCR ভাষা
- 34
- ফাইল মুছে যাওয়া পর্যন্ত
- 30 মিনিট
PDF থেকে TXT নিয়ে প্রশ্ন
কিছু ইনস্টল না করে কীভাবে ফ্রিতে PDF থেকে টেক্সট কনভার্ট করব?
এই পেজে PDF আপলোড করে Plain text-এ কনভার্ট করুন চাপুন। অ্যাকাউন্ট লাগে না, কোনো সফটওয়্যারও ইনস্টল করতে হয় না; কনভার্সন আমাদের সার্ভারে হয় এবং ৩০ মিনিট পরে ফাইল মুছে ফেলা হয়, যেমনটি কীভাবে কাজ করে পেজে বলা আছে।
আমার TXT ফাইলে অক্ষরের বদলে (cid:42)-এর মতো চিহ্ন বা চৌকো বাক্স কেন আসছে?
PDF-এ এমন একটি ফন্ট ব্যবহার হয়েছে যার গ্লিফগুলোকে আবার Unicode অক্ষরে ম্যাপ করার কোনো টেবিল নেই, তাই আকারগুলো ঠিকঠাক ছাপা হয় কিন্তু অক্ষরের অর্থ থাকে না। টেক্সট শনাক্তকরণ (OCR) সেটিং Always করুন: OCR আকারগুলোকে ছবির মতো পড়ে এবং সাধারণত আসল শব্দ উদ্ধার করতে পারে।
PDF-এর শুধু কিছু পেজ কি টেক্সটে কনভার্ট করা যায়?
হ্যাঁ। যে পেজগুলো কনভার্ট হবে অপশনে Selected pages বেছে 3-7, 12 এর মতো রেঞ্জ লিখুন। শুধু সেই পেজগুলোই পড়া হয়, ফলে বড় স্ক্যান ফাইলও দ্রুত হয়।
কনভার্ট করার পর fi আর fl শব্দাংশগুলো অদ্ভুত দেখায় কেন?
অনেক টাইপফেস fi, fl ও ffi-কে লিগেচার নামের একটি যুক্ত গ্লিফ হিসেবে আঁকে। বেশিরভাগ PDF এটিকে আলাদা অক্ষরে ফেরত ম্যাপ করে, কিন্তু কিছু PDF একটি Unicode অক্ষরে ম্যাপ করে, যেমন U+FB01, যা স্ক্রিনে ঠিক দেখায় কিন্তু সাধারণ অক্ষর দিয়ে সার্চ ভেঙে দেয়। আপনার এডিটরে ফাইন্ড-অ্যান্ড-রিপ্লেস করলে ঠিক হয়ে যায়।
TXT ফাইলে কি পেজ ব্রেক থাকবে?
পেজগুলো একটি ফাইলেই একের পর এক থাকে, তাই প্রতি পেজের জন্য আলাদা ফাইল পাবেন না। প্রতি পেজে একটি টেক্সট ফাইল দরকার হলে যে পেজগুলো কনভার্ট হবে ব্যবহার করে পেজগুলো আলাদা আলাদা রানে কনভার্ট করুন।
- PDF থেকে টেক্সট কনভার্টারযেকোনো PDF থেকে লেখা বের করে পরিষ্কার UTF-8 টেক্সট ফাইল নিন। স্ক্যান OCR দিয়ে পড়া হয়, পেজ রেঞ্জ ঐচ্ছিক, শুধু লেখাটুকুই থাকে।
- স্ক্যান করা PDF থেকে লেখা কনভার্টারযে স্ক্যান করা PDF-এ কিছু সিলেক্ট বা সার্চ করা যায় না, তা থেকে লেখা বের করুন। OCR প্রতিটি পেজের ছবি পড়ে প্লেইন টেক্সট দেয়, চাইলে পেজ রেঞ্জ বেছে নিন।
- PDF থেকে Markdown কনভার্টারPDF কে Markdown .md ফাইলে কনভার্ট করুন — হেডিং, লিস্ট, লিংক ও পাইপ টেবিলসহ। স্ক্যানের জন্য OCR। Obsidian, Notion ও LLM পাইপলাইনের জন্য।
- PDF থেকে Word কনভার্টারPDF কে এমন Word ফাইলে কনভার্ট করুন যা সত্যিই এডিট করা যায়। লেখা সাধারণ অনুচ্ছেদে বসে, স্ক্যান পেজ 34টি ভাষায় OCR হয়, একসাথে 20টি ফাইল।
- OCR PDFস্ক্যান করা PDF-এ সার্চ ও সিলেক্টযোগ্য টেক্সট লেয়ার যোগ করুন, বা লেখা Word বা TXT-তে বের করুন। 34টি ভাষা, পেজ রেঞ্জ, একসাথে 20টি ফাইল, ফ্রি।
- EPUB থেকে TXT কনভার্টারDRM-মুক্ত EPUB-এর লেখা প্লেইন .txt ফাইলে বের করুন: সার্চ, শব্দ গণনা, টেক্সট-টু-স্পিচ বা বিশ্লেষণের জন্য। অনুচ্ছেদ থাকে, মার্কআপ ও ছবি বাদ যায়।