PDF سے ٹیکسٹ کنورٹر
PDF سے صرف الفاظ الگ کریں: نہ فونٹ، نہ تصاویر، نہ لے آؤٹ، بس ایک .txt فائل جسے آپ تلاش کر سکیں، پیسٹ کر سکیں، موازنہ کر سکیں، کسی اسکرپٹ کو دے سکیں یا ترجمے کے ٹول میں ڈال سکیں۔ اسکین شدہ صفحات پہلے OCR سے پڑھے جاتے ہیں۔
PDF کنورٹر
یا PDF فائلیں یہاں ڈراپ کریں ·
زیادہ سے زیادہ 95 MB فی فائل· 20 فائلوں تک· 30 منٹ بعد حذف
فائلیں ہمارے سرورز پر پروسیس ہوتی ہیں اور 30 منٹ بعد حذف ہو جاتی ہیں۔
اسکین شدہ PDF صفحات کی تصاویر ہوتی ہیں۔ خودکار OCR صرف ان صفحات پر چلاتا ہے جن میں متن کی تہہ نہیں؛ ہمیشہ اسے ہر صفحے پر لازمی چلاتا ہے۔
اسکین میں چھپی ہوئی زبان۔ درست زبان منتخب کرنے سے اعراب اور غیر لاطینی رسم الخط کی درستی نمایاں طور پر بہتر ہوتی ہے۔
بہتا ہوا متن عام پیراگرافس میں ڈھل جاتا ہے جن میں ترمیم آسان ہے۔ عین ترتیب ہر بلاک کو اس کی اصل جگہ پر رکھتی ہے، جو بالکل ویسی نظر آتی ہے مگر اس میں ترمیم مشکل ہے۔
شناخت شدہ جدولیں ورک بک میں کہاں جائیں۔
صفحات کے نمبر یا حدیں کاما سے الگ کر کے لکھیں، مثلاً 1-3, 5, 8-10۔
اس ٹول کو استعمال کرنے کا طریقہ
- 1
PDF اپ لوڈ کریں
ایک PDF اپ لوڈ کریں یا زیادہ سے زیادہ 20 فائلیں، ہر ایک 95 MB تک۔ ٹائپ شدہ اور اسکین شدہ صفحات والی مخلوط فائلوں کو صفحہ بہ صفحہ سنبھالا جاتا ہے۔
- 2
چاہیں تو دائرہ محدود کریں
اس میں تبدیل کریں کے تحت سادہ ٹیکسٹ پہلے ہی منتخب ہوتا ہے۔ صرف مطلوبہ باب یا ضمیمہ نکالنے کے لیے اعلیٰ سیٹنگز میں تبدیل کیے جانے والے صفحات استعمال کریں۔
- 3
.txt ڈاؤن لوڈ کریں
Plain text میں تبدیل کریں ← دبائیں۔ فائل UTF-8 انکوڈنگ میں ہوتی ہے، اس لیے اعراب اور غیر لاطینی رسم الخط کسی بھی جدید ایڈیٹر میں درست دکھائی دیتے ہیں۔
PDF سے ٹیکسٹ نکالنے کا سب سے صاف طریقہ کیا ہے؟
اسے سادہ .txt فائل میں تبدیل کریں۔ آپ کو ہر لفظ پڑھنے کی ترتیب میں ملتا ہے، پیراگراف خالی سطروں سے الگ ہوتے ہیں اور کچھ اور نہیں ہوتا، جو کسی بھی ایڈیٹر یا پروگرام کے لیے تیار ہے۔
PDF سے ٹیکسٹ نکالتے وقت کیا رہتا ہے اور کیا ہٹ جاتا ہے
کنورٹر ہر صفحے کو پڑھنے کی ترتیب میں، اوپر سے نیچے اور کالم بہ کالم دیکھتا ہے اور جو حروف ملیں انہیں لکھ دیتا ہے۔ ایک پیراگراف کی سطریں جوڑ دی جاتی ہیں اور پیراگراف ایک خالی سطر سے الگ ہوتے ہیں۔ ہر صفحے کا متن پچھلے صفحے کے بعد آتا ہے، اس لیے باب ایک مسلسل عبارت کی طرح پڑھا جاتا ہے۔
ہر بصری چیز ختم کر دی جاتی ہے: فونٹ، سائز، رنگ، تصاویر، چارٹس اور صفحے پر متن کا مقام۔ یہی مقصد ہے۔ تصاویر سے بھری 10 MB کی رپورٹ عموماً چند سو کلوبائٹ کی ٹیکسٹ فائل بن جاتی ہے، جسے تلاش کرنا، diff ٹول سے ورژنز کا موازنہ کرنا، یا ترجمہ اور تجزیے کے ٹول میں پیسٹ کرنا آسان ہے۔
کمانڈ لائن استعمال کرنے والے Poppler اور Xpdf پروجیکٹس کے pdftotext سے واقف ہوں گے، جو ڈیجیٹل PDF پر ملتا جلتا کام کرتا ہے۔ یہاں فرق OCR کا ہے: جن صفحات میں ٹیکسٹ لیئر نہیں ہوتی وہ خالی رہنے کے بجائے آپ کی منتخب زبان میں پہچانے جاتے ہیں۔ ان تصاویر کے لیے جو PDF نہیں ہیں، تصویر سے ٹیکسٹ استعمال کریں۔
سادہ متن، Markdown یا Word: درست آؤٹ پٹ منتخب کریں
سادہ ٹیکسٹ
صرف الفاظ، UTF-8۔
- سب سے چھوٹی فائل
- ہر چیز میں کھلتی ہے
- نہ عنوانات نہ فارمیٹنگ
Markdown
ہلکی مارک اپ والا متن۔
- عنوانات # سے نشان زد
- فہرستیں اور بولڈ برقرار
- پھر بھی ٹیکسٹ فائل
Word دستاویز
مکمل قابل ترمیم لے آؤٹ۔
- ٹیبلز اور تصاویر برقرار
- اسٹائلز محفوظ
- ورڈ پروسیسر درکار
ٹیکسٹ فائل اتنی چھوٹی کیوں ہوتی ہے
1 بائٹUTF-8 ٹیکسٹ فائل میں ہر انگریزی حرف، ہندسے یا خالی جگہ کے لیے
Portable Document Format
PDF کو Adobe نے 1993 میں بنایا اور 2008 میں یہ اوپن ISO 32000 معیار بنا۔ یہ متن، فونٹس، تصاویر اور ترتیب کو مقرر کر دیتا ہے تاکہ دستاویز ہر اسکرین اور پرنٹر پر ایک جیسی نظر آئے۔ PDF میں فارم، دستخط، لنکس، اٹیچمنٹس اور قابلِ تلاش متن ہو سکتا ہے، اور PDF/A قسم طویل مدتی آرکائیونگ کے لیے استعمال ہوتی ہے۔ مقررہ ترتیب کی وجہ سے PDF میں ترمیم مشکل ہوتی ہے، اور اسکین شدہ PDF میں صرف تصاویر ہوتی ہیں جب تک OCR نہ لگایا جائے۔ ہر براؤزر اور آپریٹنگ سسٹم انہیں کھول سکتا ہے۔
- کمپریشن
- –
- شفافیت
- ہاں
- اینیمیشن
- نہیں
- متعارف ہونے کا سال
- 1993 · Adobe
TXT
سادہ متن
TXT فائل میں صرف سادہ حروف ہوتے ہیں، بغیر فارمیٹنگ، فونٹس، تصاویر یا لے آؤٹ کے۔ جدید ٹیکسٹ فائلیں عموماً UTF-8 میں انکوڈ ہوتی ہیں جو ہر زبان کا احاطہ کرتا ہے، البتہ پرانی فائلیں دوسری انکوڈنگز استعمال کر سکتی ہیں اور بگڑے ہوئے حروف دکھا سکتی ہیں۔ سادہ متن بہت چھوٹا ہوتا ہے، کبھی متروک نہیں ہوتا اور فون سے لے کر سرور تک ہر ڈیوائس پر کھلتا ہے۔ اس میں بولڈ متن، جدول یا تصاویر نہیں رکھی جا سکتیں، اس لیے ساخت کو وقفوں یا سادہ مارک اپ سے ظاہر کرنا پڑتا ہے۔
- کمپریشن
- –
- شفافیت
- –
- اینیمیشن
- –
- متعارف ہونے کا سال
- –
لوگ PDF سے سادہ ٹیکسٹ تب نکالتے ہیں جب صرف الفاظ درکار ہوں، جیسے تلاش، اقتباس، ترجمہ، ڈیٹا کی صفائی یا کسی اور پروگرام کو دینے کے لیے، اور لے آؤٹ صرف رکاوٹ بنے۔
PDF سے ٹیکسٹ: عام سوالات
میں PDF سے متن سیدھا کاپی پیسٹ کیوں نہیں کر سکتا؟
ایک دو پیراگراف کے لیے ایسا کیا جا سکتا ہے، لیکن PDF ویوئر سے کاپی کرنے میں اکثر سطر کے آخر میں الفاظ ٹوٹ جاتے ہیں، کالم آپس میں مل جاتے ہیں، جملوں کے بیچ صفحے کے ہیڈر آ جاتے ہیں اور اسکین شدہ صفحات پر کچھ بھی نہیں ہوتا۔ ایکسٹریکشن پوری فائل کو پڑھنے کی ترتیب میں پڑھتی ہے اور جہاں ٹیکسٹ لیئر نہ ہو وہاں OCR چلاتی ہے۔
ٹیکسٹ فائل کی انکوڈنگ کیا ہے؟
UTF-8، جو ویب اور اکثر سافٹ ویئر کی ڈیفالٹ انکوڈنگ ہے۔ Windows Notepad Windows 10 ورژن 1903 سے نئی فائلیں ڈیفالٹ طور پر UTF-8 میں محفوظ کرتا ہے، اور macOS TextEdit، VS Code اور ہر براؤزر اسے بغیر پوچھے پڑھ لیتے ہیں۔ اگر کوئی پرانا پروگرام عجیب حروف دکھائے تو امپورٹ کا ایسا آپشن دیکھیں جس میں UTF-8 چنا جا سکے۔
کیا TXT اور PDF سے TXT والا ٹول ایک ہی ہیں؟
آؤٹ پٹ ایک جیسا ہے: ایک .txt فائل۔ یہ صفحہ دوبارہ استعمال کے لیے متن نکالنے پر مرکوز ہے؛ PDF to TXT وہی تبدیلی ہے جو فائل ایکسٹینشن کے نام سے بھی تلاش کی جاتی ہے۔
ٹیبلز کا کیا ہوتا ہے؟
ٹیبل کے خانے پڑھنے کی ترتیب میں ٹیب سے الگ کر کے لکھے جاتے ہیں، اس لیے ٹیبل اسپریڈشیٹ میں مناسب طور پر پیسٹ ہو جاتا ہے۔ اگر آپ ٹیبلز کی وجہ سے تبدیل کر رہے ہیں تو PDF to Excel قطاروں اور کالموں کو اصل خانوں میں رکھتا ہے۔
کیا مجھے عنوانات کی نشان دہی کے ساتھ متن مل سکتا ہے؟
سادہ ٹیکسٹ میں عنوان کو نشان زد کرنے کا کوئی طریقہ نہیں۔ اگر آپ چاہتے ہیں کہ عنوانات، فہرستیں اور بولڈ متن سادہ علامتوں سے نشان زد ہوں اور فائل پھر بھی ٹیکسٹ رہے تو اس میں تبدیل کریں کے تحت Markdown چنیں۔
کیا اسکین سے متن نکالنا ہاتھ کی لکھائی پر بھی کام کرتا ہے؟
OCR چھپے ہوئے متن کے لیے بنایا گیا ہے۔ صاف بڑے حروف اکثر پڑھ لیے جاتے ہیں، مگر جڑے ہوئے ہاتھ کی تحریر قابل اعتماد نہیں۔ 300 dpi پر ٹائپ شدہ یا چھپے ہوئے اسکین بہترین نتائج دیتے ہیں۔
| PDF سے Markdown | PDF سے Word | PDF سے EPUB |
| TXT سے PDF | تصویر سے ٹیکسٹ | HTML سے TXT |
