Ubah PDF ke TXT
Simpan teks sebuah PDF sebagai file .txt yang bisa dibuka editor, skrip, atau alat pencarian apa pun. Sempurna tidaknya teks yang keluar bergantung pada satu hal di dalam PDF Anda: ada lapisan teks sungguhan, atau hanya gambar halaman.
Konverter PDF
atau jatuhkan file PDF di sini ·
Maks. 95 MB per file· Hingga 20 file· Dihapus setelah 30 menit
File diproses di server kami dan dihapus setelah 30 menit.
PDF hasil pindaian adalah gambar halaman. Otomatis menjalankan OCR hanya pada halaman tanpa lapisan teks; Selalu memaksakannya untuk setiap halaman.
Bahasa yang tercetak pada pindaian. Memilih bahasa yang tepat meningkatkan akurasi secara nyata untuk huruf beraksen dan aksara non-Latin.
Teks mengalir disusun ulang menjadi paragraf biasa yang mudah diedit. Tata letak persis menempatkan setiap blok di posisi semula, sehingga tampak identik tetapi lebih sulit diedit.
Tempat tabel yang terdeteksi diletakkan di dalam workbook.
Nomor atau rentang halaman yang dipisahkan koma, misalnya 1-3, 5, 8-10.
Cara menggunakan alat ini
- 1
Tambahkan file PDF
Pilih satu PDF atau hingga 20 file sekaligus, masing-masing hingga 95 MB. Dokumen ketikan, hasil ekspor, dan hasil scan bisa masuk dalam batch yang sama.
- 2
Periksa pengaturan scan
Konversi ke sudah diatur ke Teks biasa. Jika dokumen berupa hasil scan dalam bahasa selain Inggris, buka Pengaturan lanjutan lalu pilih bahasanya di Bahasa dokumen.
- 3
Konversi dan simpan
Tekan Konversi ke Teks biasa lalu unduh setiap file .txt, atau semuanya sekaligus sebagai ZIP.
Jika Anda bisa memilih satu kata di penampil PDF, teksnya sudah ada di dalam file dan salinan TXT-nya akan persis sama; jika seluruh halaman tersorot seperti foto, OCR harus membacanya terlebih dahulu.
Ubah PDF ke teks: lapisan teks atau halaman hasil scan
PDF yang diekspor dari Word, Google Docs, atau browser menyimpan karakter beserta posisinya, jadi mengeluarkannya berarti membacanya dalam urutan yang masuk akal. PDF dari pemindai atau kamera ponsel hanya menyimpan gambar setiap halaman, dan teksnya harus dikenali. Banyak PDF kantor mencampur keduanya: surat ketikan dengan halaman tanda tangan hasil scan di bagian akhir.
Pengenalan teks (OCR) menentukan cara setiap halaman diperlakukan. Tiga pengaturan di bawah berperilaku berbeda pada jenis-jenis file tersebut, dan Otomatis sudah tepat untuk sebagian besar file.
Halaman yang sudah punya lapisan teks disalin apa adanya; halaman tanpa lapisan teks dikenali dalam Bahasa dokumen yang Anda pilih.
- Terbaik untuk file campuran
- Tanpa penurunan akurasi pada halaman digital
Setiap halaman dikenali dari gambarnya, meskipun sudah memiliki teks. Gunakan ini jika lapisan teks yang ada rusak atau penuh simbol pengganti.
- Memperbaiki PDF dengan font yang tidak terpetakan
- Lebih lambat pada file panjang
Hanya lapisan teks yang ada yang dibaca. Halaman hasil scan keluar kosong, yang berguna jika Anda ingin tahu halaman mana saja yang merupakan hasil scan.
- Paling cepat
- Hanya untuk PDF digital
Hasil konversi PDF ke TXT berisi karakter acak
Di dalam PDF, teks adalah daftar kode glif untuk font tertentu, bukan huruf. File yang dibuat dengan baik menyertakan peta ToUnicode yang menyatakan kode mana berarti karakter apa. File dari sebagian driver printer lama dan pembuat laporan khusus tidak menyertakan peta itu, itulah sebabnya menyalin darinya menghasilkan teks acak meskipun halamannya tampak sempurna. Memaksa OCR adalah cara yang andal untuk mengatasinya, dan ubah PDF hasil scan ke teks membahas pengaturan scan secara mendalam.
File TXT-nya sendiri berupa UTF-8, sehingga huruf beraksen, Sirilik, Arab, Dewanagari, dan karakter CJK tetap utuh. Aksara dari kanan ke kiri disimpan sesuai urutan baca, sesuai harapan editor dan mesin pencari.
Jeda baris, pemenggalan kata, kolom, dan header di file TXT
Jeda baris
PDF mengenal baris, bukan paragraf. Baris-baris disambung kembali jika jaraknya menunjukkan satu paragraf, tetapi puisi, alamat, dan potongan kode mungkin perlu diperiksa secara manual.
Pemenggalan kata
Kata yang terpenggal menjadi "konver-" dan "si" di akhir baris biasanya disambung kembali. Tanda hubung asli yang jatuh di akhir baris, seperti pada "buku-buku", bisa hilang, jadi cari kata tersebut jika ketepatan kata penting.
Kolom
Jurnal dua kolom dibaca kolom demi kolom. Tata letak padat dengan kotak atau kutipan sorotan bisa menyelipkan sidebar di antara dua paragraf.
Header dan footer
Judul berjalan, nomor halaman, dan baris kerahasiaan berulang di setiap halaman dan muncul di antara halaman dalam file TXT. Satu kali cari dan ganti pada baris yang berulang itu menghapus semuanya sekaligus.
Portable Document Format
PDF dibuat oleh Adobe pada 1993 dan menjadi standar terbuka ISO 32000 pada 2008. Format ini mengunci teks, font, gambar, dan tata letak sehingga dokumen terlihat sama di setiap layar dan printer. PDF dapat memuat formulir, tanda tangan, tautan, lampiran, dan teks yang dapat dicari, dan varian PDF/A digunakan untuk pengarsipan jangka panjang. Tata letak yang tetap membuat PDF sulit diedit, dan PDF hasil pindaian hanya berisi gambar kecuali OCR diterapkan. Setiap browser dan sistem operasi dapat membukanya.
- Kompresi
- –
- Transparansi
- Ya
- Animasi
- Tidak
- Diperkenalkan
- 1993 · Adobe
TXT
Teks biasa
File TXT hanya berisi karakter biasa tanpa format, font, gambar, atau tata letak. File teks modern biasanya dienkode dalam UTF-8, yang mencakup semua bahasa, meskipun file lama mungkin menggunakan encoding lain dan menampilkan karakter yang kacau. Teks biasa berukuran sangat kecil, tidak pernah usang, dan dapat dibuka di semua perangkat, dari ponsel hingga server. Format ini tidak dapat menyimpan teks tebal, tabel, atau gambar, sehingga struktur harus dinyatakan dengan spasi atau markup sederhana.
- Kompresi
- –
- Transparansi
- –
- Animasi
- –
- Diperkenalkan
- –
File .txt adalah penyebut bersama yang paling rendah: pipeline data, indeks pencarian, alat subtitle dan penerjemahan, serta email teks biasa semuanya menerimanya, sedangkan PDF butuh parser sebelum kata-katanya bisa dibaca.
Ubah PDF ke TXT gratis: jumlah file, ukuran, dan bahasa
- PDF per batch
- 20
- per PDF
- 95 MB
- bahasa OCR
- 34
- hingga file dihapus
- 30 menit
Tanya jawab PDF ke TXT
Bagaimana cara mengubah PDF ke TXT gratis tanpa memasang apa pun?
Unggah PDF di halaman ini lalu tekan Konversi ke Teks biasa. Tidak perlu akun dan tidak ada perangkat lunak yang harus dipasang; konversi berjalan di server kami dan file dihapus 30 menit kemudian, seperti dijelaskan di cara kerjanya.
Mengapa file TXT saya berisi simbol seperti (cid:42) atau kotak, bukan huruf?
PDF tersebut memakai font tanpa tabel yang memetakan glifnya kembali ke karakter Unicode, sehingga bentuknya tercetak dengan baik tetapi tidak membawa makna huruf. Atur Pengenalan teks (OCR) ke Selalu: OCR membaca bentuk itu sebagai gambar dan biasanya berhasil memulihkan kata aslinya.
Bisakah hanya sebagian halaman PDF yang diubah ke TXT?
Bisa. Ganti Halaman yang dikonversi ke Halaman terpilih lalu ketik rentang seperti 3-7, 12. Hanya halaman tersebut yang dibaca, sehingga file scan yang panjang juga diproses lebih cepat.
Mengapa huruf fi dan fl tampak aneh di file TXT setelah konversi?
Banyak jenis huruf menggambar fi, fl, dan ffi sebagai satu glif gabungan yang disebut ligatur. Sebagian besar PDF memetakannya kembali menjadi huruf terpisah, tetapi ada yang memetakannya ke satu karakter Unicode, seperti U+FB01, yang tampak benar di layar tetapi menggagalkan pencarian huruf biasa. Fitur cari dan ganti di editor Anda bisa memperbaikinya.
Apakah file TXT dari PDF mempertahankan jeda halaman?
Halaman-halaman menyambung satu sama lain dalam satu file, jadi Anda tidak mendapat file terpisah per halaman. Jika Anda memerlukan satu file teks per halaman, konversi halaman-halamannya secara terpisah dengan Halaman yang dikonversi.
- Ambil Teks dari PDFAmbil teks dari PDF apa pun sebagai file teks UTF-8 yang bersih. Hasil scan dibaca dengan OCR, rentang halaman opsional, dan yang tersisa hanya teksnya.
- Ambil Teks dari PDF Hasil ScanAmbil teks dari PDF hasil scan yang tidak bisa dipilih atau dicari. OCR membaca gambar setiap halaman dan menghasilkan teks biasa, rentang halaman opsional.
- Ubah PDF ke MarkdownUbah PDF menjadi file Markdown .md dengan judul, daftar, tautan, dan tabel pipe yang dibangun ulang. OCR untuk hasil scan. Untuk Obsidian, Notion, dan LLM.
- Ubah PDF ke WordUbah PDF ke Word yang benar-benar bisa diedit. Teks kembali menjadi paragraf biasa, halaman scan diproses OCR dalam 34 bahasa, hingga 20 file sekaligus.
- OCR PDFTambahkan lapisan teks yang bisa dicari dan dipilih ke PDF hasil scan, atau ambil teksnya ke Word atau TXT. 34 bahasa, rentang halaman, 20 file, gratis.
- Ubah EPUB ke TXTAmbil teks EPUB bebas DRM ke file .txt polos untuk pencarian, hitung kata, text-to-speech, atau analisis. Paragraf dipertahankan, markup dan gambar dibuang.