PDF إلى نص

الأرجح أن PDF مسح ضوئي أو صورة ولا تحتوي على طبقة نصية للاستخراج. مرّره عبر OCR PDF أولًا، فتضيف تلك الأداة طبقة نصية وتتيح أيضًا تنزيل ملف .txt مباشرة.

يُقرأ النص من اليسار إلى اليمين ومن الأعلى إلى الأسفل وفق البنية الداخلية لـ PDF، وهذا صحيح لمعظم المستندات ذات العمود الواحد. قد تخرج التخطيطات متعددة الأعمدة والأشرطة الجانبية والجداول متداخلة، وتُدرج الرؤوس والتذييلات وأرقام الصفحات مع كل ما في الصفحة.

لا. الناتج نص UTF-8 عادي، لذلك تُحفظ الأحرف المعلّمة والسيريلية وCJK والعربية، لكن الخط الغامق والعناوين والروابط والصور لا تُحفظ، وتتبع فواصل الأسطر أسطر PDF وليس الفقرات. للعناوين والقوائم المحفوظة بصيغة Markdown، استخدم PDF إلى Markdown.

نعم. أضف ما تشاء من ملفات PDF وانقر على استخراج مرة واحدة، فيصبح كل منها ملف .txt مستقلًا باسم المصدر، وتُنزَّل معًا باسم pdf-to-text.zip. ويُنزَّل ملف PDF واحد مباشرة باسم filename.txt.

تتبع الصفحات بعضها بعضًا بفاصل سطر بينها. لا توجد علامات للصفحات ولا أحرف تغذية، لذلك يُقرأ الملف كتدفق نصي متصل واحد.

لا، تستخرج هذه الأداة كل الصفحات دائمًا. اسحب الصفحات التي تحتاجها إلى ملف PDF منفصل أولًا بـ استخراج الصفحات، ثم حوّل ذلك الملف.

إذا طلب PDF كلمة مرور عند فتحه، تطلب الأداة منك تلك الكلمة قبل الاستخراج. بدون كلمة المرور لا يمكن قراءة النص.

لا. يعمل الاستخراج في محرك PDF يُحمَّل في متصفحك كـ WebAssembly، لذلك تبقى العقود والسجلات الطبية وأي شيء آخر على جهازك من البداية إلى النهاية.