PDF转TXT转换器
把PDF中的文字保存为.txt文件，任何编辑器、脚本或搜索工具都能打开。提取出的文字是否完美，取决于PDF内部的一点：它有真正的文本层，还是只有页面图片。
PDF 转换器
或将PDF 文件拖放到此处 ·
单个文件最大 95 MB· 最多 20 个文件· 30 分钟后删除
文件在我们的服务器上处理，并在 30 分钟后删除。
扫描版 PDF 其实是页面图片。“自动”只对没有文字层的页面进行 OCR；“始终”则对每一页都强制执行。
扫描件中印刷文字的语言。选对语言能明显提高带重音符号和非拉丁文字的识别准确率。
流式文本会重新排成普通段落，便于编辑。精确版式会把每个内容块放在原来的位置，外观一致但更难编辑。
检测到的表格在工作簿中的存放方式。
页码或页码范围，用逗号分隔，例如 1-3, 5, 8-10。
使用方法
- 1
添加PDF文件
选择一个 PDF，或一次最多 20 个，每个不超过 95 MB。文字版、导出版和扫描版文档可以放在同一批处理。
- 2
检查扫描件设置
转换为已设置为纯文本。如果文档是英语以外语言的扫描件，请打开高级设置，在文档语言中选择对应语言。
- 3
转换并保存
点击转换为纯文本，然后下载每个 .txt 文件，或打包成 ZIP 一次性下载。
如果在 PDF 阅读器中能选中单个词，说明文字本来就在文件里，TXT 内容是准确的；如果整页像照片一样被整体选中，就需要先用 OCR 识别。
PDF转文字：文本层还是扫描页面
从 Word、Google Docs 或浏览器导出的 PDF 会保存字符及其位置，提取时需要按合理的顺序读取。扫描仪或手机拍摄生成的 PDF 只保存每页的图像，文字必须经过识别。许多办公 PDF 两者兼有：正文是打字稿，末尾却是扫描的签名页。
文字识别（OCR）决定每一页如何处理。下面三种设置对这几类文件的表现各不相同，大多数情况下选“自动”即可。
已有文字层的页面直接复制；没有文字层的页面按你选择的文档语言进行识别。
- 最适合混合文件
- 电子页面不损失准确度
每一页都根据图像识别，即使页面本身有文字。当现有文字层损坏或满是占位符号时使用。
- 可修复字体未映射的 PDF
- 长文件速度较慢
只读取现有文字层。扫描页面的结果为空，想知道哪些页面是扫描件时很有用。
- 速度最快
- 仅限电子版 PDF
PDF转文本后出现乱码
在 PDF 内部，文字是某种字体的字形编码列表，而不是字母。制作规范的文件会包含 ToUnicode 映射表，说明每个编码对应哪个字符。一些较旧的打印驱动和自定义报表生成器生成的文件缺少这个映射表，所以页面看起来完美，复制出来却是乱码。强制 OCR 是最可靠的解决办法，扫描设置的详细说明见扫描版 PDF 转文字。
TXT 本身采用 UTF-8 编码，因此带重音的字母、西里尔文、阿拉伯文、天城文和中日韩文字都能保留。从右到左书写的文字按阅读顺序存储，这正是编辑器和搜索引擎所期望的。
TXT中的换行、连字符、分栏和页眉
换行
PDF 只有行，没有段落。当行距显示为段落时会把行重新接起来，但诗歌、地址和代码清单可能需要手动检查。
连字符
行末被拆成“conver-”和“sion”的单词通常会被重新接上。但恰好位于行末的真实连字符，如“well-known”，可能会丢失连字符，若对准确用词有要求，请自行搜索核对。
分栏
双栏期刊会按栏逐栏读取。版面复杂、带有文本框或引文框的页面，可能会把侧栏内容插到两个段落之间。
页眉和页脚
页眉标题、页码和保密声明会在每页重复，并出现在 TXT 中各页之间。对重复的那一行执行一次查找替换即可全部删除。
便携式文档格式（PDF）
PDF 由 Adobe 于 1993 年创建，并在 2008 年成为开放的 ISO 32000 标准。它固定了文字、字体、图片和版式，使文档在每块屏幕和每台打印机上看起来都一样。PDF 可以包含表单、签名、链接、附件和可搜索文本，其中 PDF/A 变体用于长期归档。固定的版式使 PDF 难以编辑，而扫描版 PDF 除非经过 OCR，否则只包含图片。所有浏览器和操作系统都能打开。
- 压缩方式
- –
- 透明度
- 支持
- 动画
- 不支持
- 发布年份
- 1993 · Adobe
TXT
纯文本
TXT 文件只包含纯字符,没有格式、字体、图片或版面。现代文本文件通常采用 UTF-8 编码,可涵盖所有语言,而较旧的文件可能使用其他编码,从而显示乱码。纯文本体积极小,永不过时,从手机到服务器的所有设备都能打开。它无法保存粗体、表格或图片,结构只能靠间距或简单标记来表达。
- 压缩方式
- –
- 透明度
- –
- 动画
- –
- 发布年份
- –
.txt 文件是最通用的格式：数据处理流程、搜索索引、字幕和翻译工具以及纯文本邮件都能接受，而 PDF 需要先经过解析器才能读取其中的文字。
免费PDF转文字：文件、大小与语言
- 每批 PDF 数量
- 20
- 每个 PDF
- 95 MB
- OCR 语言
- 34
- 后文件被删除
- 30 分钟
PDF转TXT常见问题
如何免费将PDF转为文字，无需安装任何软件？
在本页上传 PDF，然后点击转换为纯文本。无需账号，也无需安装任何软件；转换在我们的服务器上进行，文件会在 30 分钟后删除，详见工作原理。
为什么TXT文件里出现(cid:42)之类的符号或方框，而不是文字？
该 PDF 使用的字体缺少把字形映射回 Unicode 字符的表，所以字形能正常显示和打印，却没有对应的文字含义。请将文字识别（OCR）设为“始终”：OCR 会把字形当作图像来识别，通常能还原出真实文字。
能否只把PDF的部分页面转成文字？
可以。将要转换的页面切换为“选定页面”，然后输入页码范围，例如 3-7, 12。只会读取这些页面，处理较长的扫描文件时也会更快。
为什么转换后fi和fl这些字母看起来不正常？
许多字体会把 fi、fl、ffi 画成一个合并的字形，称为连字。大多数 PDF 会将其映射回单独的字母，但有些会映射为一个 Unicode 字符，例如 U+FB01，它在屏幕上看起来正常，却会导致用普通字母搜索失败。在编辑器中查找替换即可解决。
TXT文件会保留分页吗？
所有页面会按顺序合并在同一个文件中，不会为每页生成单独的文件。如果需要每页一个文本文件，请用要转换的页面分多次转换。
- PDF转文本将任意PDF中的文字提取为干净的UTF-8文本文件。扫描件先经OCR识别，可选页码范围，只保留文字。
- 扫描版PDF转文字扫描版PDF无法选中或搜索文字？OCR逐页识别页面图像，提取为纯文本，可选页码范围。
- PDF转Markdown转换器将PDF转换为Markdown .md文件，根据文本重建标题、列表、链接和管道表格。扫描件支持OCR，适用于Obsidian、Notion和LLM流程。
- PDF转Word转换器将PDF转换为真正可编辑的Word。文字重排为普通段落，扫描页经OCR识别，支持34种语言，一次最多20个文件。
- PDF OCR文字识别为扫描版PDF添加可搜索、可选中的文字层，或将文字提取为Word或TXT。支持34种语言、页码范围，一次20个文件，免费使用。
- EPUB转TXT在线转换将无DRM的EPUB正文提取为纯文本.txt文件，方便搜索、统计字数、文字转语音或文本分析。保留段落，去除排版标记和图片。