PDF నుండి TXT కన్వర్టర్
PDFలోని పదాలను ఏ ఎడిటర్, స్క్రిప్ట్ లేదా సెర్చ్ టూల్ అయినా తెరవగల .txt ఫైల్‌గా సేవ్ చేయండి. ఆ టెక్స్ట్ పూర్తిగా సరిగ్గా వస్తుందా లేదా అనేది మీ PDFలోని ఒక్క విషయంపై ఆధారపడి ఉంటుంది: అందులో నిజమైన టెక్స్ట్ లేయర్ ఉందా, లేక పేజీల చిత్రాలు మాత్రమే ఉన్నాయా.
PDF కన్వర్టర్
లేదా PDF ఫైళ్లు ను ఇక్కడ వదలండి ·
ఒక్కో ఫైల్‌కు గరిష్ఠంగా 95 MB· గరిష్ఠంగా 20 ఫైళ్లు· 30 నిమిషాల తర్వాత తొలగించబడతాయి
ఫైళ్లు మా సర్వర్లలో ప్రాసెస్ చేయబడి 30 నిమిషాల తర్వాత తొలగించబడతాయి.
స్కాన్ చేసిన PDFలు పేజీల చిత్రాలు. ఆటో టెక్స్ట్ లేయర్ లేని పేజీలపై మాత్రమే OCR నడుపుతుంది; ఎల్లప్పుడూ అన్ని పేజీలకూ బలవంతంగా నడుపుతుంది.
స్కాన్‌లో ముద్రించిన భాష. సరైనది ఎంచుకుంటే ఉచ్చారణ చిహ్నాలు, లాటిన్ కాని లిపులకు కచ్చితత్వం గణనీయంగా పెరుగుతుంది.
ప్రవహించే టెక్స్ట్ సులభంగా సవరించగల సాధారణ పేరాలుగా మారుతుంది. కచ్చితమైన లేఅవుట్ ప్రతి బ్లాక్ను ఉన్న చోటే ఉంచుతుంది, అది అచ్చం అలాగే కనిపిస్తుంది కానీ సవరించడం కష్టం.
గుర్తించిన పట్టికలు వర్క్బుక్లో ఎక్కడ ఉండాలి.
పేజీ సంఖ్యలు లేదా శ్రేణులను కామాలతో వేరు చేయండి, ఉదా. 1-3, 5, 8-10.
ఈ టూల్‌ను ఎలా ఉపయోగించాలి
- 1
మీ PDF ఫైళ్లను జోడించండి
ఒక PDFని లేదా ఒకేసారి గరిష్టంగా 20 PDFలను ఎంచుకోండి, ఒక్కొక్కటి 95 MB వరకు. టైప్ చేసినవి, ఎగుమతి చేసినవి, స్కాన్ చేసిన డాక్యుమెంట్లు ఒకే బ్యాచ్‌లో ఉండవచ్చు.
- 2
స్కాన్ సెట్టింగ్‌లను సరిచూడండి
దీనికి మార్చండి ఇప్పటికే Plain textకు సెట్ అయి ఉంది. డాక్యుమెంట్ ఇంగ్లీష్ కాకుండా వేరే భాషలో స్కాన్ అయితే, అధునాతన సెట్టింగ్‌లు తెరిచి డాక్యుమెంట్ భాష కింద ఆ భాషను ఎంచుకోండి.
- 3
మార్చి సేవ్ చేయండి
Plain textకు మార్చండి నొక్కి, ప్రతి .txt ఫైల్‌ను డౌన్‌లోడ్ చేయండి, లేదా అన్నింటినీ కలిపి ZIPగా తీసుకోండి.
మీ PDF వ్యూయర్‌లో ఒక్క పదాన్ని ఎంచుకోగలిగితే, టెక్స్ట్ ఇప్పటికే ఫైల్లో ఉంది, TXT కాపీ ఖచ్చితంగా ఉంటుంది; పేజీ మొత్తం ఫోటోలా హైలైట్ అయితే ముందు OCR చదవాలి.
PDFని టెక్స్ట్గా మార్చడం: టెక్స్ట్ లేయర్ లేదా స్కాన్ చేసిన పేజీ
Word, Google Docs లేదా బ్రౌజర్ నుండి ఎగుమతి చేసిన PDF అక్షరాలను వాటి స్థానాలతో నిల్వ చేస్తుంది, కాబట్టి వాటిని తీయాలంటే సరైన క్రమంలో చదవాలి. స్కానర్ లేదా ఫోన్ కెమెరా నుండి వచ్చిన PDF ప్రతి పేజీకి ఇమేజ్ మాత్రమే ఉంచుతుంది, దాని టెక్స్ట్‌ను గుర్తించాలి. చాలా ఆఫీస్ PDFలు రెండింటినీ కలిగి ఉంటాయి: టైప్ చేసిన లేఖ, చివర్లో స్కాన్ చేసిన సంతకం పేజీ.
టెక్స్ట్ గుర్తింపు (OCR) ప్రతి పేజీని ఎలా పరిగణించాలో నిర్ణయిస్తుంది. కింది మూడు సెట్టింగ్‌లు ఈ రకాల ఫైళ్లపై వేర్వేరుగా పనిచేస్తాయి, చాలా వాటికి Auto సరైనది.
ఇప్పటికే టెక్స్ట్ లేయర్ ఉన్న పేజీలు యథాతథంగా కాపీ అవుతాయి; లేనివి మీరు ఎంచుకున్న డాక్యుమెంట్ భాషలో గుర్తించబడతాయి.
- మిశ్రమ ఫైళ్లకు ఉత్తమం
- డిజిటల్ పేజీలలో ఖచ్చితత్వం తగ్గదు
టెక్స్ట్ ఉన్నా ప్రతి పేజీ దాని ఇమేజ్ నుండి గుర్తించబడుతుంది. ప్రస్తుత టెక్స్ట్ లేయర్ చెడిపోయినప్పుడు లేదా ప్లేస్హోల్డర్ గుర్తులతో నిండినప్పుడు వాడండి.
- మ్యాప్ లేని ఫాంట్ల PDFలను సరిచేస్తుంది
- పొడవైన ఫైళ్లలో నెమ్మది
ఉన్న టెక్స్ట్ లేయర్ మాత్రమే చదవబడుతుంది. స్కాన్ చేసిన పేజీలు ఖాళీగా వస్తాయి, ఏ పేజీలు స్కాన్‌లో తెలుసుకోవాలనుకుంటే ఉపయోగకరం.
- అత్యంత వేగం
- డిజిటల్ PDFలకు మాత్రమే
PDF నుండి టెక్స్ట్ కన్వర్టర్ అవుట్‌పుట్‌లో అస్తవ్యస్త అక్షరాలు
PDFలో టెక్స్ట్ అంటే అక్షరాలు కాదు, ఒక ఫాంట్‌కు చెందిన గ్లిఫ్ కోడ్‌ల జాబితా. బాగా తయారైన ఫైల్లో ఏ కోడ్ ఏ అక్షరమో చెప్పే ToUnicode మ్యాప్ ఉంటుంది. కొన్ని పాత ప్రింట్ డ్రైవర్లు, కస్టమ్ రిపోర్ట్ జనరేటర్ల ఫైళ్లలో ఆ మ్యాప్ ఉండదు, అందుకే పేజీ సరిగ్గా కనిపించినా కాపీ చేస్తే అర్థం లేని అక్షరాలు వస్తాయి. OCRని బలవంతంగా వాడటమే నమ్మదగిన పరిష్కారం, స్కాన్ సెట్టింగ్‌ల వివరాలు స్కాన్ PDF నుండి టెక్స్ట్లో ఉన్నాయి.
TXT UTF-8లో ఉంటుంది, కాబట్టి యాక్సెంట్ అక్షరాలు, సిరిలిక్, అరబిక్, దేవనాగరి, CJK అక్షరాలు భద్రంగా ఉంటాయి. కుడి నుండి ఎడమ లిపులు చదివే క్రమంలో నిల్వ అవుతాయి, ఎడిటర్లు, సెర్చ్ ఇంజిన్లు ఆశించేది ఇదే.
TXTలో లైన్ బ్రేక్లు, హైఫనేషన్, కాలమ్‌లు, హెడర్లు
లైన్ బ్రేక్లు
PDFకి పేరాలు తెలియవు, లైన్లు మాత్రమే తెలుసు. ఖాళీ చూసి పేరా అనిపించిన చోట లైన్లు కలుపబడతాయి, కానీ కవితలు, చిరునామాలు, కోడ్ లిస్టింగ్‌లను చేతితో చూసుకోవాల్సి రావచ్చు.
హైఫనేషన్
లైన్ చివర "conver-" మరియు "sion"గా విడిపోయిన పదం సాధారణంగా తిరిగి కలుస్తుంది. లైన్ చివర పడిన నిజమైన హైఫన్, "well-known" లాగా, హైఫన్ కోల్పోవచ్చు, కచ్చితమైన పదాలు ముఖ్యమైతే వెతికి చూడండి.
కాలమ్‌లు
రెండు కాలమ్‌ల జర్నల్స్ కాలమ్ వారీగా చదవబడతాయి. బాక్స్‌లు లేదా పుల్ కోట్‌లతో రద్దీగా ఉన్న లేఅవుట్‌లలో సైడ్‌బార్ రెండు పేరాల మధ్యకు చేరవచ్చు.
హెడర్లు, ఫుటర్లు
రన్నింగ్ టైటిళ్లు, పేజీ నంబర్లు, గోప్యత లైన్లు ప్రతి పేజీలో పునరావృతమై TXTలో పేజీల మధ్య చేరతాయి. ఆ పునరావృత లైన్‌కు ఫైండ్-అండ్-రీప్లేస్ చేస్తే ఒకేసారి తొలగిపోతాయి.
Portable Document Format
PDFని Adobe 1993లో రూపొందించింది, 2008లో ఓపెన్ ISO 32000 ప్రమాణంగా మారింది. ఇది టెక్స్ట్, ఫాంట్లు, చిత్రాలు, లేఅవుట్‌ను స్థిరపరుస్తుంది, కాబట్టి పత్రం ప్రతి స్క్రీన్, ప్రింటర్‌లో ఒకేలా కనిపిస్తుంది. PDFలలో ఫారమ్‌లు, సంతకాలు, లింకులు, అటాచ్‌మెంట్లు, శోధించగల టెక్స్ట్ ఉండవచ్చు, PDF/A రకాన్ని దీర్ఘకాల ఆర్కైవింగ్‌కు వాడతారు. స్థిర లేఅవుట్ వల్ల PDFలను ఎడిట్ చేయడం కష్టం, స్కాన్ చేసిన PDFలలో OCR వర్తింపజేయకపోతే చిత్రాలు మాత్రమే ఉంటాయి. ప్రతి బ్రౌజర్, ఆపరేటింగ్ సిస్టమ్ వీటిని తెరవగలదు.
- కంప్రెషన్
- –
- పారదర్శకత
- అవును
- యానిమేషన్
- కాదు
- పరిచయమైన సంవత్సరం
- 1993 · Adobe
TXT
సాదా టెక్స్ట్
TXT ఫైల్లో ఫార్మాటింగ్, ఫాంట్లు, చిత్రాలు, లేఅవుట్ లేకుండా సాదా అక్షరాలు మాత్రమే ఉంటాయి. ఆధునిక టెక్స్ట్ ఫైళ్లు సాధారణంగా అన్ని భాషలను కవర్ చేసే UTF-8లో ఎన్‌కోడ్ అవుతాయి, పాత ఫైళ్లు ఇతర ఎన్‌కోడింగ్‌లు వాడి అక్షరాలు గందరగోళంగా చూపవచ్చు. సాదా టెక్స్ట్ చాలా చిన్నది, ఎప్పటికీ పాతబడదు, ఫోన్ల నుంచి సర్వర్ల వరకు ప్రతి పరికరంలో తెరుచుకుంటుంది. బోల్డ్ టెక్స్ట్, పట్టికలు, చిత్రాలను ఉంచలేదు, కాబట్టి నిర్మాణాన్ని ఖాళీలతో లేదా సరళమైన మార్కప్‌తో చూపాలి.
- కంప్రెషన్
- –
- పారదర్శకత
- –
- యానిమేషన్
- –
- పరిచయమైన సంవత్సరం
- –
.txt ఫైల్ అందరికీ సాధారణమైన సరళ రూపం: డేటా పైప్‌లైన్‌లు, సెర్చ్ ఇండెక్స్‌లు, సబ్‌టైటిల్, అనువాద టూల్స్, సాధారణ ఈమెయిల్ అన్నీ దీన్ని అంగీకరిస్తాయి, కానీ PDFలోని పదాలను చదవాలంటే ముందు పార్సర్ అవసరం.
PDFని టెక్స్ట్గా ఉచితంగా మార్చండి: ఫైళ్లు, సైజ్‌లు, భాషలు
- ఒక్క బ్యాచ్‌కు PDFలు
- 20
- ఒక్కో PDFకి
- 95 MB
- OCR భాషలు
- 34
- ఫైళ్లు తొలగించే వరకు
- 30 నిమి
PDF నుండి TXT ప్రశ్నలు
ఏదీ ఇన్స్టాల్ చేయకుండా PDFని టెక్స్ట్గా ఉచితంగా ఎలా మార్చాలి?
ఈ పేజీలో PDFని అప్లోడ్ చేసి Plain textకు మార్చండి నొక్కండి. అకౌంట్ అవసరం లేదు, సాఫ్ట్వేర్ ఇన్స్టాల్ చేయనవసరం లేదు; మార్పిడి మా సర్వర్లలో జరుగుతుంది, ఫైళ్లు 30 నిమిషాల తర్వాత తొలగించబడతాయి, వివరాలు ఇది ఎలా పనిచేస్తుందిలో ఉన్నాయి.
నా TXT ఫైల్లో అక్షరాలకు బదులు (cid:42) వంటి గుర్తులు లేదా బాక్సులు ఎందుకు వస్తున్నాయి?
ఆ PDF ఉపయోగించిన ఫాంట్లో గ్లిఫ్లను తిరిగి Unicode అక్షరాలకు జత చేసే పట్టిక ఉండదు, అందుకే ఆకారాలు బాగా ప్రింట్ అవుతాయి కానీ అక్షర అర్థం ఉండదు. టెక్స్ట్ గుర్తింపు (OCR)ను Alwaysకు సెట్ చేయండి: OCR ఆకారాలను ఇమేజ్గా చదివి సాధారణంగా అసలు పదాలను తిరిగి పొందుతుంది.
PDFలోని కొన్ని పేజీలను మాత్రమే టెక్స్ట్గా మార్చవచ్చా?
అవును. మార్చవలసిన పేజీలును Selected pagesకు మార్చి 3-7, 12 వంటి పరిధిని టైప్ చేయండి. ఆ పేజీలు మాత్రమే చదవబడతాయి, దీనివల్ల పెద్ద స్కాన్ ఫైళ్లు వేగంగా పూర్తవుతాయి.
మార్చిన తర్వాత fi, fl అనే అక్షరాలు ఎందుకు వింతగా కనిపిస్తాయి?
చాలా టైప్ఫేస్లు fi, fl, ffiలను లిగేచర్ అనే ఒకే సంయుక్త గ్లిఫ్గా గీస్తాయి. చాలా PDFలు దానిని వేర్వేరు అక్షరాలకు తిరిగి జత చేస్తాయి, కానీ కొన్ని U+FB01 వంటి ఒకే Unicode అక్షరానికి జత చేస్తాయి; ఇది స్క్రీన్పై సరిగా కనిపించినా సాధారణ అక్షరాలతో వెతికితే దొరకదు. మీ ఎడిటర్లో ఫైండ్-అండ్-రీప్లేస్ చేస్తే సరిపోతుంది.
TXT ఫైల్లో పేజీ బ్రేక్లు అలాగే ఉంటాయా?
పేజీలు ఒకే ఫైల్లో వరుసగా వస్తాయి, కాబట్టి ప్రతి పేజీకి వేరే ఫైల్ రాదు. పేజీకి ఒక టెక్స్ట్ ఫైల్ కావాలంటే, మార్చవలసిన పేజీలు ఉపయోగించి పేజీలను వేర్వేరు రన్లలో మార్చండి.
- PDF నుండి టెక్స్ట్ కన్వర్టర్ఏ PDF నుండైనా పదాలను శుభ్రమైన UTF-8 టెక్స్ట్ ఫైల్‌గా తీయండి. స్కాన్లను OCRతో చదువుతుంది, పేజీ పరిధి ఐచ్ఛికం, టెక్స్ట్ మాత్రమే మిగులుతుంది.
- స్కాన్ చేసిన PDF నుండి టెక్స్ట్ కన్వర్టర్సెలెక్ట్ లేదా సెర్చ్ చేయలేని స్కాన్ చేసిన PDF నుండి టెక్స్ట్ తీయండి. OCR ప్రతి పేజీ ఇమేజ్ను చదివి సాదా టెక్స్ట్ ఇస్తుంది; పేజీ పరిధి ఐచ్ఛికం.
- PDF నుండి Markdown కన్వర్టర్PDFని హెడింగ్లు, లిస్ట్లు, లింక్లు, పైప్ టేబుల్స్తో Markdown .md ఫైల్‌గా మార్చండి. స్కాన్లకు OCR. Obsidian, Notion, LLM పైప్లైన్ల కోసం.
- PDF నుండి Word కన్వర్టర్PDFని నిజంగా ఎడిట్ చేయగల Wordగా మార్చండి. టెక్స్ట్ సాధారణ పేరాలుగా వస్తుంది, స్కాన్ పేజీలకు 34 భాషల్లో OCR, ఒకేసారి 20 ఫైళ్ల వరకు.
- OCR PDFస్కాన్ చేసిన PDFలకు సెర్చ్, సెలెక్ట్ చేయగల టెక్స్ట్ లేయర్ జోడించండి లేదా టెక్స్ట్‌ను Word, TXTగా తీయండి. 34 భాషలు, పేజీ పరిధులు, 20 ఫైళ్లు, ఉచితం.
- EPUB నుండి TXT కన్వర్టర్DRM లేని EPUBలోని టెక్స్ట్‌ను .txt ఫైల్‌గా తీయండి: సెర్చ్, పదాల లెక్క, టెక్స్ట్-టు-స్పీచ్ కోసం. పేరాలు ఉంటాయి, మార్కప్, ఇమేజ్లు తొలగుతాయి.