PDF سے TXT کنورٹر
PDF کے الفاظ کو ایسی .txt فائل میں محفوظ کریں جسے کوئی بھی ایڈیٹر، اسکرپٹ یا سرچ ٹول کھول سکے۔ متن بالکل درست نکلے گا یا نہیں، اس کا انحصار آپ کی PDF کی ایک بات پر ہے: اس میں اصل ٹیکسٹ لیئر موجود ہے یا صرف صفحات کی تصاویر۔
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
اپنی PDF فائلیں شامل کریں
ایک PDF یا ایک وقت میں زیادہ سے زیادہ 20 PDF منتخب کریں، ہر ایک 95 MB تک۔ ٹائپ شدہ، ایکسپورٹ شدہ اور اسکین شدہ دستاویزات ایک ہی بیچ میں شامل ہو سکتی ہیں۔
- 2
اسکین کی سیٹنگز دیکھیں
اس میں تبدیل کریں پہلے ہی سادہ متن پر سیٹ ہے۔ اگر دستاویز انگریزی کے علاوہ کسی اور زبان میں اسکین ہے تو اعلیٰ سیٹنگز کھولیں اور دستاویز کی زبان میں وہ زبان منتخب کریں۔
- 3
تبدیل کریں اور محفوظ کریں
سادہ متن میں تبدیل کریں ← دبائیں اور ہر .txt فائل ڈاؤن لوڈ کریں، یا سب کو ایک ساتھ ZIP کی صورت میں۔
اگر آپ PDF ویور میں ایک لفظ منتخب کر سکتے ہیں تو متن پہلے سے فائل کے اندر ہے اور TXT کاپی بالکل درست ہوگی؛ اگر پورا صفحہ تصویر کی طرح نمایاں ہو جائے تو پہلے OCR کو اسے پڑھنا ہوگا۔
PDF کو ٹیکسٹ میں تبدیل کریں: ٹیکسٹ لیئر یا اسکین شدہ صفحہ
Word، Google Docs یا براؤزر سے ایکسپورٹ کی گئی PDF حروف کو ان کی پوزیشنوں کے ساتھ محفوظ کرتی ہے، اس لیے انہیں نکالنے کا مطلب انہیں درست ترتیب میں پڑھنا ہے۔ اسکینر یا فون کیمرے سے بنی PDF ہر صفحے کی صرف تصویر رکھتی ہے اور اس کا متن پہچاننا پڑتا ہے۔ دفتری PDF اکثر دونوں کا مرکب ہوتی ہیں: ٹائپ شدہ خط جس کے آخر میں اسکین شدہ دستخط والا صفحہ ہو۔
متن کی شناخت (OCR) طے کرتی ہے کہ ہر صفحے کے ساتھ کیا سلوک ہو۔ نیچے دی گئی تینوں سیٹنگز ان اقسام کی فائلوں پر مختلف طرح کام کرتی ہیں، اور زیادہ تر کے لیے Auto درست ہے۔
جن صفحات میں پہلے سے ٹیکسٹ لیئر ہو وہ جوں کے توں کاپی ہوتے ہیں؛ بغیر ٹیکسٹ لیئر والے صفحات آپ کی منتخب کردہ دستاویز کی زبان میں پہچانے جاتے ہیں۔
- مخلوط فائلوں کے لیے بہترین
- ڈیجیٹل صفحات پر درستی میں کمی نہیں
ہر صفحہ اپنی تصویر سے پہچانا جاتا ہے، چاہے اس میں متن ہو۔ جب موجودہ ٹیکسٹ لیئر خراب ہو یا علامتوں سے بھری ہو تو اسے استعمال کریں۔
- غیر میپ شدہ فونٹس والی PDF ٹھیک کرتا ہے
- لمبی فائلوں پر سست
صرف موجودہ ٹیکسٹ لیئر پڑھی جاتی ہے۔ اسکین شدہ صفحات خالی آتے ہیں، جو یہ جاننے کے لیے مفید ہے کہ کون سے صفحات اسکین تھے۔
- سب سے تیز
- صرف ڈیجیٹل PDF
PDF سے ٹیکسٹ کنورٹر کے نتیجے میں بگڑے ہوئے حروف
PDF کے اندر متن کسی مخصوص فونٹ کے گلیف کوڈز کی فہرست ہوتا ہے، حروف نہیں۔ اچھی بنی فائل میں ToUnicode میپ ہوتا ہے جو بتاتا ہے کہ کون سا کوڈ کس حرف کا ہے۔ کچھ پرانے پرنٹ ڈرائیورز اور مخصوص رپورٹ جنریٹرز کی فائلوں میں یہ میپ نہیں ہوتا، اسی لیے صفحہ بالکل ٹھیک نظر آنے کے باوجود کاپی کرنے پر بے معنی حروف آتے ہیں۔ OCR کو لازمی کرنا اس کا قابل اعتماد حل ہے، اور اسکین شدہ PDF سے ٹیکسٹ میں اسکین کی سیٹنگز تفصیل سے ہیں۔
TXT خود UTF-8 ہے، اس لیے اعراب والے حروف، سیریلک، عربی، دیوناگری اور CJK حروف محفوظ رہتے ہیں۔ دائیں سے بائیں لکھی جانے والی زبانیں پڑھنے کی ترتیب میں محفوظ ہوتی ہیں، جو ایڈیٹرز اور سرچ انجن کی توقع ہے۔
TXT میں لائن بریک، ہائفن، کالم اور ہیڈر
لائن بریک
PDF لائنیں جانتی ہے، پیراگراف نہیں۔ جہاں فاصلہ پیراگراف کا اشارہ دے وہاں لائنیں جوڑ دی جاتی ہیں، لیکن شاعری، پتے اور کوڈ لسٹنگ کو ہاتھ سے دیکھنا پڑ سکتا ہے۔
ہائفنیشن
لائن کے آخر میں "conver-" اور "sion" کی صورت میں ٹوٹا لفظ عموماً جوڑ دیا جاتا ہے۔ لائن کے آخر میں آنے والا اصل ہائفن، جیسے "well-known" میں، ختم ہو سکتا ہے، اس لیے الفاظ کی درستی اہم ہو تو اسے تلاش کریں۔
کالمز
دو کالم والے جرائد کالم بہ کالم پڑھے جاتے ہیں۔ باکسز یا پل کوٹس والے پیچیدہ لے آؤٹ میں سائیڈ بار دو پیراگرافس کے بیچ آ سکتا ہے۔
ہیڈر اور فوٹر
بار بار آنے والے عنوان، صفحہ نمبر اور رازداری کی سطریں ہر صفحے پر دہرائی جاتی ہیں اور TXT میں صفحات کے بیچ آتی ہیں۔ دہرائی جانے والی سطر پر فائنڈ اینڈ ریپلیس انہیں ایک ہی بار میں ہٹا دیتا ہے۔
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
- –
TXT فائل سب سے آسان مشترکہ فارمیٹ ہے: ڈیٹا پائپ لائنز، سرچ انڈیکس، سب ٹائٹل اور ترجمے کے ٹولز اور سادہ ای میل سب اسے قبول کرتے ہیں، جبکہ PDF کے الفاظ پڑھنے کے لیے پہلے پارسر چاہیے۔
PDF کو مفت ٹیکسٹ میں تبدیل کریں: فائلیں، سائز اور زبانیں
- فی بیچ PDF
- 20
- فی PDF
- 95 MB
- OCR کی زبانیں
- 34
- فائلیں حذف ہونے تک
- 30 منٹ
PDF سے TXT کے بارے میں سوالات
کچھ انسٹال کیے بغیر PDF کو مفت ٹیکسٹ میں کیسے تبدیل کریں؟
اس صفحے پر PDF اپ لوڈ کریں اور سادہ متن میں تبدیل کریں ← دبائیں۔ نہ اکاؤنٹ درکار ہے اور نہ کوئی سافٹ ویئر انسٹال کرنا ہے؛ تبدیلی ہمارے سرورز پر ہوتی ہے اور فائلیں 30 منٹ بعد حذف ہو جاتی ہیں، جیسا کہ یہ کیسے کام کرتا ہے میں بتایا گیا ہے۔
میری TXT فائل میں حروف کی جگہ (cid:42) جیسے نشانات یا خانے کیوں آتے ہیں؟
PDF ایسا فونٹ استعمال کرتی ہے جس میں گلیفس کو واپس Unicode حروف سے جوڑنے والا ٹیبل نہیں ہوتا، اس لیے شکلیں درست چھپتی ہیں مگر ان میں حرف کا مفہوم نہیں ہوتا۔ متن کی شناخت (OCR) کو Always پر رکھیں: OCR شکلوں کو تصویر کی طرح پڑھتا ہے اور عموماً اصل الفاظ بحال کر لیتا ہے۔
کیا PDF کے صرف کچھ صفحات کو ٹیکسٹ میں تبدیل کیا جا سکتا ہے؟
جی ہاں۔ تبدیل کیے جانے والے صفحات کو Selected pages پر کریں اور 3-7, 12 جیسی رینج لکھیں۔ صرف وہی صفحات پڑھے جاتے ہیں، جس سے لمبی اسکین فائلیں بھی تیز ہوتی ہیں۔
تبدیلی کے بعد fi اور fl والے الفاظ عجیب کیوں دکھائی دیتے ہیں؟
کئی ٹائپ فیسز fi، fl اور ffi کو ایک مشترکہ گلیف کے طور پر بناتے ہیں جسے لیگیچر کہتے ہیں۔ زیادہ تر PDF اسے الگ حروف سے جوڑ دیتی ہیں، مگر کچھ اسے ایک Unicode حرف سے جوڑتی ہیں، جیسے U+FB01، جو اسکرین پر درست دکھتا ہے لیکن سادہ حروف کی تلاش کو خراب کرتا ہے۔ ایڈیٹر میں فائنڈ اینڈ ریپلیس سے یہ ٹھیک ہو جاتا ہے۔
کیا TXT فائل میں صفحات کی تقسیم برقرار رہے گی؟
صفحات ایک ہی فائل میں ایک کے بعد ایک آتے ہیں، اس لیے ہر صفحے کی الگ فائل نہیں ملتی۔ اگر ہر صفحے کی الگ ٹیکسٹ فائل چاہیے تو تبدیل کیے جانے والے صفحات استعمال کرکے صفحات کو الگ الگ بار تبدیل کریں۔
- PDF سے ٹیکسٹ کنورٹرکسی بھی PDF سے الفاظ صاف UTF-8 ٹیکسٹ فائل میں نکالیں۔ اسکین OCR سے پڑھے جاتے ہیں، صفحات کی حد اختیاری ہے، اور صرف متن رکھا جاتا ہے۔
- اسکین شدہ PDF سے ٹیکسٹ کنورٹرایسی اسکین شدہ PDF سے ٹیکسٹ نکالیں جس میں کچھ منتخب یا تلاش نہ ہو سکے۔ OCR ہر صفحے کی تصویر پڑھ کر سادہ ٹیکسٹ دیتا ہے، صفحات کی حد اختیاری ہے۔
- PDF سے Markdown کنورٹرPDF کو Markdown .md فائل میں تبدیل کریں؛ ہیڈنگز، لسٹس، لنکس اور پائپ ٹیبلز متن سے دوبارہ بنتے ہیں۔ اسکین کے لیے OCR۔ Obsidian، Notion اور LLM کے لیے۔
- PDF سے Word کنورٹرPDF کو ایسی Word فائل میں تبدیل کریں جس میں واقعی ترمیم ہو سکے۔ متن عام پیراگراف میں آتا ہے، اسکین صفحات پر 34 زبانوں میں OCR، ایک وقت میں 20 فائلیں۔
- PDF کا OCRاسکین شدہ PDF میں قابلِ تلاش اور قابلِ انتخاب متن کی تہہ شامل کریں یا متن Word یا TXT میں نکالیں۔ 34 زبانیں، صفحات کی حد، ایک ساتھ 20 فائلیں، مفت۔
- EPUB سے TXT کنورٹرDRM کے بغیر EPUB کا متن .txt فائل میں نکالیں؛ تلاش، الفاظ کی گنتی، ٹیکسٹ ٹو اسپیچ یا تجزیے کے لیے۔ پیراگراف برقرار، مارک اپ اور تصاویر ختم۔