PDF से TXT कन्वर्टर
PDF के शब्दों को .txt फ़ाइल में सेव करें, जिसे कोई भी एडिटर, स्क्रिप्ट या सर्च टूल खोल सकता है। टेक्स्ट बिल्कुल सही निकलेगा या नहीं, यह आपकी PDF की एक बात पर निर्भर करता है: उसमें असली टेक्स्ट लेयर है या सिर्फ़ पेजों की तस्वीरें।
PDF कन्वर्टर
या PDF फ़ाइलें यहाँ ड्रop करें ·
प्रति फ़ाइल अधिकतम 95 MB· अधिकतम 20 फ़ाइलें· 30 मिनट बाद हटा दी जाती हैं
फ़ाइलें हमारे सर्वर पर प्रोसेस होती हैं और 30 मिनट बाद हटा दी जाती हैं।
स्कैन की गई PDF पेजों की तस्वीरें होती हैं। ऑटो केवल बिना टेक्स्ट लेयर वाले पेजों पर OCR चलाता है; हमेशा इसे हर पेज पर चलाता है।
स्कैन में छपी भाषा। सही भाषा चुनने से मात्राओं और गैर-लैटिन लिपियों की सटीकता काफ़ी बेहतर होती है।
बहता टेक्स्ट सामान्य अनुच्छेदों में ढल जाता है, जिन्हें एडिट करना आसान है। सटीक लेआउट हर ब्लॉक को वहीं रखता है जहाँ वह था; यह बिल्कुल वैसा दिखता है, पर एडिट करना कठिन है।
पहचानी गई टेबल वर्कबुक में कहाँ जाएँ।
पेज नंबर या रेंज, कॉमा से अलग करके, जैसे 1-3, 5, 8-10।
इस टूल का उपयोग कैसे करें
- 1
अपनी PDF फ़ाइलें जोड़ें
एक PDF चुनें या एक बार में 20 तक, हर एक 95 MB तक की। टाइप की हुई, एक्सपोर्ट की हुई और स्कैन की हुई फ़ाइलें एक ही बैच में डाली जा सकती हैं।
- 2
स्कैन सेटिंग जाँचें
इसमें बदलें पहले से Plain text पर सेट है। अगर डॉक्यूमेंट अंग्रेज़ी के अलावा किसी और भाषा का स्कैन है, तो एडवांस्ड सेटिंग खोलें और डॉक्यूमेंट की भाषा में वह भाषा चुनें।
- 3
कन्वर्ट करें और सेव करें
Plain text में कन्वर्ट करें → दबाएँ और हर .txt फ़ाइल डाउनलोड करें, या सभी को एक साथ ZIP में लें।
अगर PDF व्यूअर में आप एक शब्द चुन पाते हैं, तो टेक्स्ट फ़ाइल के अंदर ही है और TXT कॉपी सटीक होगी; अगर पूरा पेज फोटो की तरह हाइलाइट होता है, तो पहले OCR को उसे पढ़ना होगा।
PDF को टेक्स्ट में बदलें: टेक्स्ट लेयर या स्कैन किया पेज
Word, Google Docs या ब्राउज़र से एक्सपोर्ट की गई PDF अक्षरों को उनकी जगह के साथ रखती है, इसलिए उन्हें निकालने के लिए सही क्रम में पढ़ना पड़ता है। स्कैनर या फोन कैमरे की PDF में हर पेज की सिर्फ़ इमेज होती है, और उसका टेक्स्ट पहचानना पड़ता है। कई ऑफ़िस PDF में दोनों होते हैं: टाइप किया हुआ पत्र और अंत में स्कैन किया हुआ हस्ताक्षर वाला पेज।
टेक्स्ट पहचान (OCR) तय करता है कि हर पेज के साथ क्या किया जाए। नीचे की तीन सेटिंग इन फ़ाइलों पर अलग तरह से काम करती हैं, और ज़्यादातर के लिए Auto सही है।
जिन पेजों में पहले से टेक्स्ट लेयर है वे जैसे हैं वैसे कॉपी होते हैं; बिना टेक्स्ट वाले पेज आपकी चुनी डॉक्यूमेंट की भाषा में पहचाने जाते हैं।
- मिली-जुली फ़ाइलों के लिए सबसे अच्छा
- डिजिटल पेजों पर सटीकता में कोई कमी नहीं
हर पेज उसकी इमेज से पहचाना जाता है, भले ही उसमें टेक्स्ट हो। तब इस्तेमाल करें जब मौजूदा टेक्स्ट लेयर खराब हो या प्लेसहोल्डर चिह्नों से भरी हो।
- बिना मैपिंग वाले फ़ॉन्ट की PDF ठीक करता है
- लंबी फ़ाइलों पर धीमा
सिर्फ़ मौजूदा टेक्स्ट लेयर पढ़ी जाती है। स्कैन किए पेज खाली आते हैं, जो यह जानने में काम आता है कि कौन से पेज स्कैन थे।
- सबसे तेज़
- सिर्फ़ डिजिटल PDF
PDF से टेक्स्ट कन्वर्टर के आउटपुट में बिगड़े अक्षर
PDF के अंदर टेक्स्ट अक्षर नहीं, किसी फ़ॉन्ट के ग्लिफ़ कोड की सूची होता है। अच्छी बनी फ़ाइल में ToUnicode मैप होता है जो बताता है कि कौन सा कोड किस अक्षर का है। कुछ पुराने प्रिंट ड्राइवर और कस्टम रिपोर्ट जनरेटर की फ़ाइलों में यह मैप नहीं होता, इसीलिए पेज बिल्कुल सही दिखने पर भी उनसे कॉपी करने पर बेतुके अक्षर आते हैं। OCR को ज़बरदस्ती चलाना इसका भरोसेमंद हल है, और स्कैन PDF से टेक्स्ट में स्कैन सेटिंग विस्तार से हैं।
TXT खुद UTF-8 है, इसलिए एक्सेंट वाले अक्षर, सिरिलिक, अरबी, देवनागरी और CJK अक्षर सुरक्षित रहते हैं। दाएँ से बाएँ लिखी लिपियाँ पढ़ने के क्रम में सेव होती हैं, जो एडिटर और सर्च इंजन को चाहिए।
TXT में लाइन ब्रेक, हाइफ़नेशन, कॉलम और हेडर
लाइन ब्रेक
PDF लाइनें जानती है, पैराग्राफ़ नहीं। जहाँ स्पेसिंग से पैराग्राफ़ का संकेत मिलता है वहाँ लाइनें जोड़ दी जाती हैं, पर कविता, पते और कोड लिस्टिंग को हाथ से देखना पड़ सकता है।
हाइफ़नेशन
लाइन के अंत में "conver-" और "sion" में बँटा शब्द आमतौर पर जोड़ दिया जाता है। लाइन के अंत में आने वाला असली हाइफ़न, जैसे "well-known" में, हट सकता है, इसलिए सटीक शब्द ज़रूरी हों तो उसे सर्च करके देखें।
कॉलम
दो कॉलम वाली पत्रिकाएँ कॉलम दर कॉलम पढ़ी जाती हैं। बॉक्स या पुल कोट वाले भारी लेआउट में साइडबार दो पैराग्राफ़ के बीच आ सकता है।
हेडर और फ़ुटर
रनिंग टाइटल, पेज नंबर और गोपनीयता की पंक्तियाँ हर पेज पर दोहराई जाती हैं और TXT में पेजों के बीच आ जाती हैं। दोहराई गई पंक्ति पर फ़ाइंड-एंड-रिप्लेस से सब एक बार में हट जाती हैं।
Portable Document Format
PDF को Adobe ने 1993 में बनाया और 2008 में यह ओपन ISO 32000 मानक बना। यह टेक्स्ट, फ़ॉन्ट, इमेज और लेआउट को स्थिर रखता है, ताकि दस्तावेज़ हर स्क्रीन और प्रिंटर पर एक जैसा दिखे। PDF में फ़ॉर्म, सिग्नेचर, लिंक, अटैचमेंट और सर्च होने लायक टेक्स्ट हो सकता है, और PDF/A वेरिएंट लंबे समय के आर्काइव के लिए इस्तेमाल होता है। स्थिर लेआउट के कारण PDF एडिट करना कठिन है, और स्कैन किए PDF में OCR लगाए बिना सिर्फ़ इमेज होती हैं। हर ब्राउज़र और ऑपरेटिंग सिस्टम इन्हें खोल सकता है।
- कंप्रेशन
- –
- ट्रांसपेरेंसी (पारदर्शिता)
- हाँ
- एनिमेशन
- नहीं
- शुरुआत का वर्ष
- 1993 · Adobe
TXT
सादा टेक्स्ट
TXT फ़ाइल में सिर्फ़ सादे अक्षर होते हैं, कोई फ़ॉर्मैटिंग, फ़ॉन्ट, इमेज या लेआउट नहीं। आधुनिक टेक्स्ट फ़ाइलें आमतौर पर UTF-8 में एन्कोड होती हैं, जो हर भाषा को कवर करता है, जबकि पुरानी फ़ाइलें दूसरी एन्कोडिंग में हो सकती हैं और गड़बड़ अक्षर दिखा सकती हैं। सादा टेक्स्ट बहुत छोटा होता है, कभी पुराना नहीं पड़ता और फ़ोन से लेकर सर्वर तक हर डिवाइस पर खुलता है। इसमें बोल्ड टेक्स्ट, टेबल या तस्वीरें नहीं रखी जा सकतीं, इसलिए संरचना को स्पेसिंग या सरल मार्कअप से दिखाना पड़ता है।
- कंप्रेशन
- –
- ट्रांसपेरेंसी (पारदर्शिता)
- –
- एनिमेशन
- –
- शुरुआत का वर्ष
- –
.txt फ़ाइल सबसे सरल साझा फ़ॉर्मेट है: डेटा पाइपलाइन, सर्च इंडेक्स, सबटाइटल और अनुवाद टूल और सादा ईमेल सब इसे स्वीकार करते हैं, जबकि PDF के शब्द पढ़ने से पहले पार्सर चाहिए।
PDF को फ्री में टेक्स्ट में बदलें: फ़ाइलें, साइज़ और भाषाएँ
- प्रति बैच PDF
- 20
- प्रति PDF
- 95 MB
- OCR भाषाएँ
- 34
- में फ़ाइलें डिलीट हो जाती हैं
- 30 मिनट
PDF से TXT के सवाल
बिना कुछ इंस्टॉल किए PDF को फ्री में टेक्स्ट में कैसे बदलें?
इस पेज पर PDF अपलोड करें और Plain text में कन्वर्ट करें → दबाएँ। न अकाउंट चाहिए, न कोई सॉफ़्टवेयर इंस्टॉल करना है; कन्वर्जन हमारे सर्वर पर होता है और फ़ाइलें 30 मिनट बाद डिलीट हो जाती हैं, जैसा यह कैसे काम करता है में बताया गया है।
मेरी TXT फ़ाइल में अक्षरों की जगह (cid:42) जैसे निशान या बॉक्स क्यों दिखते हैं?
PDF ऐसा फ़ॉन्ट इस्तेमाल करती है जिसमें ग्लिफ़ को वापस Unicode अक्षरों से जोड़ने वाली टेबल नहीं है, इसलिए आकार ठीक छपते हैं पर उनमें अक्षर का अर्थ नहीं होता। टेक्स्ट पहचान (OCR) को Always पर सेट करें: OCR आकारों को इमेज की तरह पढ़ता है और आमतौर पर असली शब्द निकाल लेता है।
क्या PDF के सिर्फ़ कुछ पेजों को टेक्स्ट में बदल सकते हैं?
हाँ। बदलने वाले पेज को Selected pages पर करें और 3-7, 12 जैसी रेंज लिखें। सिर्फ़ वही पेज पढ़े जाते हैं, जिससे लंबी स्कैन फ़ाइलें भी तेज़ होती हैं।
कन्वर्ट करने के बाद fi और fl शब्द अजीब क्यों दिखते हैं?
कई टाइपफ़ेस fi, fl और ffi को एक जुड़े हुए ग्लिफ़ के रूप में बनाते हैं, जिसे लिगेचर कहते हैं। ज़्यादातर PDF इसे अलग अक्षरों से जोड़ देती हैं, पर कुछ इसे एक Unicode अक्षर, जैसे U+FB01, से जोड़ती हैं, जो स्क्रीन पर सही दिखता है पर सादे अक्षरों की सर्च को तोड़ देता है। अपने एडिटर में फ़ाइंड-एंड-रिप्लेस से यह ठीक हो जाता है।
क्या TXT फ़ाइल में पेज ब्रेक बने रहेंगे?
पेज एक ही फ़ाइल में एक के बाद एक आते हैं, इसलिए हर पेज की अलग फ़ाइल नहीं मिलती। अगर हर पेज के लिए अलग टेक्स्ट फ़ाइल चाहिए, तो बदलने वाले पेज से पेजों को अलग-अलग बार में कन्वर्ट करें।
- PDF को टेक्स्ट में बदलेंकिसी भी PDF से शब्द साफ़ UTF-8 टेक्स्ट फ़ाइल में निकालें। स्कैन OCR से पढ़े जाते हैं, पेज रेंज वैकल्पिक है और सिर्फ़ टेक्स्ट रखा जाता है।
- स्कैन PDF को टेक्स्ट में बदलेंऐसी स्कैन PDF से टेक्स्ट निकालें जिसमें कुछ सेलेक्ट या सर्च नहीं होता। OCR हर पेज की इमेज पढ़कर प्लेन टेक्स्ट देता है, पेज रेंज चुनना वैकल्पिक है।
- PDF को Markdown में बदलेंPDF को Markdown .md फ़ाइल में बदलें: हेडिंग, लिस्ट, लिंक और पाइप टेबल टेक्स्ट से दोबारा बनते हैं। स्कैन के लिए OCR। Obsidian, Notion और LLM के लिए।
- PDF को Word में बदलेंPDF को एडिट होने वाली Word फ़ाइल में बदलें। टेक्स्ट सामान्य पैराग्राफ़ में आता है, स्कैन पेज 34 भाषाओं में OCR से पढ़े जाते हैं, एक बार में 20 फ़ाइलें तक।
- OCR PDFस्कैन PDF में सर्च और सेलेक्ट होने वाली टेक्स्ट लेयर जोड़ें या टेक्स्ट Word/TXT में निकालें। 34 भाषाएँ, पेज रेंज, एक साथ 20 फ़ाइलें, फ्री।
- EPUB को TXT में बदलेंDRM-फ्री EPUB का टेक्स्ट प्लेन .txt फ़ाइल में निकालें: सर्च, शब्द गिनती, टेक्स्ट-टू-स्पीच या विश्लेषण के लिए। पैराग्राफ़ बने रहते हैं, मार्कअप और इमेज हटते हैं।