PDF 轉文字
把 PDF 精簡到只剩文字：沒有字型、沒有圖片、沒有版面，只有一個 .txt 檔案，方便搜尋、貼上、比對差異、交給程式處理，或匯入翻譯工具。掃描頁面會先以 OCR 辨識。
PDF 轉檔
或將PDF 檔案拖曳到這裡 ·
每個檔案最大 95 MB· 最多 20 個檔案· 30 分鐘後刪除
檔案會在我們的伺服器上處理，並於 30 分鐘後刪除。
掃描的 PDF 是頁面的圖片。「自動」只會對沒有文字層的頁面執行 OCR；「一律」則強制對每一頁執行。
掃描檔上印刷的語言。選對語言能明顯提升帶重音符號及非拉丁文字的辨識準確度。
流動文字會重新排成容易編輯的一般段落。精確版面則讓每個區塊保持原位，外觀完全相同，但較難編輯。
偵測到的表格要放在活頁簿的哪個位置。
頁碼或頁碼範圍，以逗號分隔，例如 1-3, 5, 8-10。
使用方式
- 1
放入 PDF
上傳單一 PDF，或一次最多 20 個，每個檔案不超過 95 MB。同時含有文字頁與掃描頁的混合檔案，會逐頁分別處理。
- 2
需要時縮小範圍
轉換為已預設選取純文字。若只需要某一章或附錄，請在進階設定中使用要轉換的頁面來擷取。
- 3
下載 .txt
按下轉換為 Plain text。檔案採用 UTF-8 編碼，重音符號與非拉丁文字在任何現代編輯器中都能正確顯示。
從 PDF 取出文字，最乾淨的方法是什麼？
將它轉換成純文字 .txt 檔案。你會依閱讀順序得到每一個字，段落以空行分隔，沒有其他多餘內容，可直接用於任何編輯器或程式。
PDF 文字擷取會保留與捨棄哪些內容
轉換器會依閱讀順序逐頁處理，由上到下、一欄接一欄，並寫出找到的字元。屬於同一段落的行會被接合，段落之間以空行分隔。每一頁的文字接在前一頁之後，因此一個章節讀起來是連貫的一篇。
所有視覺元素都會被捨棄：字型、字級、顏色、圖片、圖表以及文字在頁面上的位置。這正是重點所在。一份滿是照片的 10 MB 報告，通常會縮小為只有幾百 KB 的文字檔，更容易搜尋、用 diff 工具比對版本差異，或貼進翻譯或分析工具。
命令列使用者可能知道 Poppler 與 Xpdf 專案的 pdftotext，它對數位 PDF 的作用類似。這裡的差別在於 OCR：沒有文字圖層的頁面會以你選擇的語言辨識，而不是輸出空白。若是根本不是 PDF 的圖片，請使用圖片轉文字。
純文字、Markdown 還是 Word：選對輸出格式
純文字
只有文字，UTF-8。
- 檔案最小
- 任何程式都能開啟
- 沒有標題或格式
Markdown
帶有輕量標記的文字。
- 標題以 # 標示
- 保留清單與粗體
- 仍是文字檔
Word 文件
完整可編輯的版面。
- 保留表格與圖片
- 保留樣式
- 需要文書處理軟體
為什麼文字檔這麼小
1 位元組UTF-8 文字檔中每個英文字母、數字或空格
Portable Document Format
PDF 由 Adobe 於 1993 年建立，2008 年成為開放的 ISO 32000 標準。它會固定文字、字型、圖片與版面，讓文件在每個螢幕和印表機上看起來都一樣。PDF 可包含表單、簽章、連結、附件和可搜尋的文字，其中 PDF/A 版本則用於長期存檔。固定的版面讓 PDF 不易編輯，而掃描的 PDF 除非套用 OCR，否則只含圖片。所有瀏覽器和作業系統都能開啟。
- 壓縮方式
- –
- 透明度
- 支援
- 動畫
- 不支援
- 推出年份
- 1993 · Adobe
TXT
純文字
TXT 檔只包含單純的字元，沒有格式、字型、圖片或版面。現代文字檔通常以涵蓋所有語言的 UTF-8 編碼，不過較舊的檔案可能使用其他編碼而出現亂碼。純文字檔極小、永不過時，從手機到伺服器的每種裝置都能開啟。它無法容納粗體、表格或圖片，因此結構只能靠空白或簡單標記來表示。
- 壓縮方式
- –
- 透明度
- –
- 動畫
- –
- 推出年份
- –
當你只需要文字內容，用於搜尋、引用、翻譯、資料整理或交給其他程式處理，而版面反而造成妨礙時，就會從 PDF 中擷取純文字。
PDF 轉文字常見問題
為什麼不能直接從 PDF 複製貼上文字？
一兩段文字可以這樣做，但從 PDF 檢視器複製常會在行尾把單字截斷、打亂欄位順序、在句子中間插入頁首，而且對掃描頁完全沒有作用。文字擷取會依閱讀順序讀取整個檔案，並在沒有文字圖層的地方執行 OCR。
文字檔使用什麼編碼？
UTF-8，這是網路與多數軟體預設使用的編碼。自 Windows 10 1903 版起，Windows 記事本預設就以 UTF-8 儲存新檔案，macOS 的文字編輯、VS Code 與所有瀏覽器也都能直接讀取。若舊程式顯示亂碼，請找找有沒有可選擇 UTF-8 的匯入選項。
TXT 和 PDF 轉 TXT 工具是同一個嗎？
輸出結果完全相同，都是 .txt 檔案。本頁著重於取出文字以便重複使用；PDF 轉 TXT 則是同一種轉換，只是採用大家也常搜尋的副檔名稱呼。
表格會怎麼處理？
表格儲存格會依閱讀順序輸出，並以 Tab 分隔，因此貼到試算表中效果還算不錯。如果你轉換的主要原因是表格，PDF 轉 Excel 能把列與欄保留在真正的儲存格裡。
可以取得標示標題的文字嗎？
純文字無法標示標題。若想用簡單符號標出標題、清單與粗體，同時仍是文字檔，請在轉換為中選擇 Markdown。
從掃描檔擷取文字，能辨識手寫字嗎？
OCR 是針對印刷文字設計的。工整的大寫印刷體通常可以辨識，但草寫手寫字並不可靠。以 300 dpi 掃描的打字或印刷文件效果最好。
