Penukar PDF ke TXT
Simpan teks dalam PDF sebagai fail .txt yang boleh dibuka oleh mana-mana editor, skrip atau alat carian. Sama ada teks itu keluar dengan sempurna bergantung pada satu perkara dalam PDF anda: lapisan teks sebenar, atau hanya gambar halaman.
Penukar PDF
atau seret Fail PDF ke sini ·
Maks 95 MB setiap fail· Sehingga 20 fail· Dipadam selepas 30 minit
Fail diproses pada pelayan kami dan dipadam selepas 30 minit.
PDF imbasan ialah gambar halaman. Auto menjalankan OCR hanya pada halaman tanpa lapisan teks; Sentiasa memaksanya pada setiap halaman.
Bahasa yang tercetak pada imbasan. Memilih bahasa yang betul meningkatkan ketepatan dengan ketara untuk aksara beraksen dan tulisan bukan Latin.
Teks mengalir disusun semula menjadi perenggan biasa yang mudah disunting. Susun atur tepat meletakkan setiap blok di tempat asalnya, yang kelihatan serupa tetapi lebih sukar disunting.
Tempat jadual yang dikesan diletakkan dalam buku kerja.
Nombor halaman atau julat dipisahkan koma, cth. 1-3, 5, 8-10.
Cara menggunakan alat ini
- 1
Tambah fail PDF anda
Pilih satu PDF atau sehingga 20 sekali gus, setiap satu sehingga 95 MB. Dokumen yang ditaip, dieksport dan diimbas boleh dimuat naik dalam kelompok yang sama.
- 2
Semak tetapan imbasan
Tukar ke sudah ditetapkan kepada Teks biasa. Jika dokumen ialah imbasan dalam bahasa selain bahasa Inggeris, buka Tetapan lanjutan dan pilih bahasanya di bawah Bahasa dokumen.
- 3
Tukar dan simpan
Tekan Tukar ke Teks biasa dan muat turun setiap fail .txt, atau semuanya sekali gus sebagai ZIP.
Jika anda boleh memilih satu perkataan dalam pembaca PDF anda, teks itu sudah ada dalam fail dan salinan TXT adalah tepat; jika seluruh halaman terserlah seperti foto, OCR perlu membacanya dahulu.
Tukar PDF ke teks: lapisan teks atau halaman imbasan
PDF yang dieksport daripada Word, Google Docs atau pelayar menyimpan aksara bersama kedudukannya, jadi mengeluarkannya bermakna membacanya mengikut susunan yang munasabah. PDF daripada pengimbas atau kamera telefon hanya menyimpan imej bagi setiap halaman, dan teksnya perlu dikenali. Banyak PDF pejabat mencampurkan kedua-duanya: surat yang ditaip dengan halaman tandatangan yang diimbas di hujungnya.
Pengecaman teks (OCR) menentukan cara setiap halaman dilayan. Tiga tetapan di bawah berfungsi secara berbeza pada jenis fail tersebut, dan Auto sesuai untuk kebanyakannya.
Halaman yang sudah mempunyai lapisan teks disalin seadanya; halaman tanpanya dikenali dalam Bahasa dokumen yang anda pilih.
- Terbaik untuk fail campuran
- Tiada kehilangan ketepatan pada halaman digital
Setiap halaman dikenali daripada imejnya, walaupun ada teks. Gunakannya apabila lapisan teks sedia ada rosak atau penuh simbol ganti.
- Membetulkan PDF dengan fon tidak terpeta
- Lebih perlahan pada fail panjang
Hanya lapisan teks sedia ada dibaca. Halaman imbasan keluar kosong, berguna jika anda ingin tahu halaman mana yang merupakan imbasan.
- Paling pantas
- PDF digital sahaja
Hasil penukar PDF ke teks dengan aksara yang rosak
Dalam PDF, teks ialah senarai kod glif bagi fon tertentu, bukan huruf. Fail yang dibuat dengan baik menyertakan peta ToUnicode yang menyatakan kod mana bermaksud aksara mana. Fail daripada sesetengah pemacu cetak lama dan penjana laporan tersuai tidak menyertakan peta itu, sebab itu menyalin daripadanya menghasilkan aksara karut walaupun halaman kelihatan sempurna. Memaksa OCR ialah cara yang boleh diharap untuk mengatasinya, dan PDF imbasan ke teks menerangkan tetapan imbasan dengan lebih mendalam.
TXT itu sendiri berformat UTF-8, jadi huruf beraksen, Cyrillic, Arab, Devanagari dan aksara CJK dikekalkan. Skrip kanan-ke-kiri disimpan mengikut susunan bacaan, yang dijangka oleh editor dan enjin carian.
Pemisah baris, tanda sempang, lajur dan pengepala dalam TXT
Pemisah baris
PDF mengenali baris, bukan perenggan. Baris disambung semula apabila jarak mencadangkan perenggan, tetapi puisi, alamat dan senarai kod mungkin perlu disemak secara manual.
Pemenggalan
Perkataan yang dipecahkan sebagai "conver-" dan "sion" di hujung baris biasanya disambung semula. Tanda sempang sebenar di hujung baris, seperti dalam "well-known", boleh hilang sempangnya, jadi cari jika ejaan tepat penting.
Lajur
Jurnal dua lajur dibaca lajur demi lajur. Reka letak yang padat dengan kotak atau petikan timbul boleh menyelitkan bar sisi di antara dua perenggan.
Pengepala dan pengaki
Tajuk berulang, nombor halaman dan baris kerahsiaan berulang pada setiap halaman dan terletak di antara halaman dalam TXT. Cari-dan-ganti pada baris berulang itu membuangnya sekali gus.
Portable Document Format
PDF dicipta oleh Adobe pada 1993 dan menjadi piawaian terbuka ISO 32000 pada 2008. Ia menetapkan teks, fon, imej dan reka letak supaya dokumen kelihatan sama pada setiap skrin dan pencetak. PDF boleh mengandungi borang, tandatangan, pautan, lampiran dan teks boleh dicari, dan varian PDF/A digunakan untuk pengarkiban jangka panjang. Reka letak tetap menyukarkan PDF disunting, dan PDF imbasan hanya mengandungi imej melainkan OCR digunakan. Setiap pelayar dan sistem pengendalian boleh membukanya.
- Pemampatan
- –
- Ketelusan
- Ya
- Animasi
- Tidak
- Diperkenalkan
- 1993 · Adobe
TXT
Teks biasa
Fail TXT hanya mengandungi aksara biasa tanpa pemformatan, fon, imej atau reka letak. Fail teks moden biasanya dikodkan dalam UTF-8 yang meliputi semua bahasa, walaupun fail lama mungkin menggunakan pengekodan lain dan memaparkan aksara bercelaru. Teks biasa sangat kecil, tidak pernah usang dan terbuka pada setiap peranti, daripada telefon hingga pelayan. Ia tidak boleh mengandungi teks tebal, jadual atau gambar, jadi struktur mesti dinyatakan dengan jarak atau penanda ringkas.
- Pemampatan
- –
- Ketelusan
- –
- Animasi
- –
- Diperkenalkan
- –
Fail .txt ialah format paling asas yang diterima di mana-mana: saluran data, indeks carian, alat sari kata dan terjemahan serta e-mel biasa semuanya menerimanya, manakala PDF memerlukan penghurai sebelum perkataannya boleh dibaca.
Tukar PDF ke teks percuma: fail, saiz dan bahasa
- PDF setiap kelompok
- 20
- setiap PDF
- 95 MB
- Bahasa OCR
- 34
- sebelum fail dipadam
- 30 min
Soalan lazim PDF ke TXT
Bagaimana hendak menukar PDF ke teks secara percuma tanpa memasang apa-apa?
Muat naik PDF di halaman ini dan tekan Tukar ke Teks biasa. Tiada akaun dan tiada perisian untuk dipasang; penukaran berjalan pada pelayan kami dan fail dipadam 30 minit kemudian, seperti dijelaskan dalam cara ia berfungsi.
Mengapa fail TXT saya mengandungi simbol seperti (cid:42) atau kotak dan bukannya huruf?
PDF itu menggunakan fon yang tiada jadual untuk memetakan glifnya kembali kepada aksara Unicode, jadi bentuknya tercetak dengan baik tetapi tidak membawa makna huruf. Tetapkan Pengecaman teks (OCR) kepada Sentiasa: OCR membaca bentuk itu sebagai gambar dan biasanya dapat memulihkan perkataan sebenar.
Bolehkah saya menukar hanya sebahagian halaman PDF ke teks?
Ya. Tukar Halaman untuk ditukar kepada Halaman terpilih dan taip julat seperti 3-7, 12. Hanya halaman itu dibaca, yang juga mempercepat fail imbasan yang panjang.
Mengapa perkataan fi dan fl kelihatan pelik selepas penukaran?
Banyak jenis huruf melukis fi, fl dan ffi sebagai satu glif gabungan yang dipanggil ligatur. Kebanyakan PDF memetakannya semula kepada huruf berasingan, tetapi ada yang memetakannya kepada satu aksara Unicode, seperti U+FB01, yang kelihatan betul pada skrin tetapi mengganggu carian huruf biasa. Cari-dan-ganti dalam editor anda boleh membetulkannya.
Adakah fail TXT akan mengekalkan pemisah halaman?
Halaman bersambung dalam satu fail, jadi anda tidak mendapat fail berasingan bagi setiap halaman. Jika anda perlukan satu fail teks bagi setiap halaman, tukar halaman dalam proses berasingan menggunakan Halaman untuk ditukar.
- Penukar PDF ke TeksEkstrak perkataan daripada mana-mana PDF sebagai fail teks UTF-8 yang bersih. Imbasan dibaca dengan OCR, julat halaman pilihan, hanya teks disimpan.
- Penukar PDF Imbasan ke TeksEkstrak teks daripada PDF imbasan yang tidak boleh dipilih atau dicari. OCR membaca setiap imej halaman dan memberi teks biasa, julat halaman pilihan.
- Penukar PDF ke MarkdownTukar PDF ke fail Markdown .md dengan tajuk, senarai, pautan dan jadual pipe dibina semula. OCR untuk imbasan. Untuk Obsidian, Notion dan LLM.
- Penukar PDF ke WordTukar PDF ke Word yang boleh diedit. Teks mengalir semula dalam perenggan biasa, imbasan melalui OCR 34 bahasa, sehingga 20 fail sekali gus.
- OCR PDFTambah lapisan teks yang boleh dicari pada PDF imbasan, atau ekstrak teks ke Word atau TXT. 34 bahasa, julat halaman, 20 fail serentak, percuma.
- Penukar EPUB ke TXTEkstrak teks EPUB tanpa DRM ke fail .txt untuk carian, kiraan perkataan, teks ke pertuturan atau analisis. Perenggan kekal, markup dan gambar dibuang.