PDF ke Teks

PDF kemungkinan besar adalah hasil pindaian atau foto, yang tidak punya lapisan teks untuk diekstrak. Jalankan lewat OCR PDF dulu; alat itu menambahkan lapisan teks dan juga menawarkan unduhan .txt langsung.

Teks dibaca dari kiri ke kanan, atas ke bawah, mengikuti struktur internal PDF, yang benar untuk sebagian besar dokumen satu kolom. Tata letak multi-kolom, bilah samping, dan tabel bisa tercampur, dan header, footer, serta nomor halaman disertakan bersama semua yang ada di halaman.

Tidak. Hasilnya adalah teks UTF-8 biasa, sehingga huruf beraksen, Sirilik, CJK, dan Arab dipertahankan, tetapi huruf tebal, judul, tautan, dan gambar tidak, dan jeda baris mengikuti baris PDF, bukan paragraf. Untuk judul dan daftar yang dipertahankan sebagai Markdown, gunakan PDF ke Markdown.

Bisa. Tambahkan PDF sebanyak yang Anda mau dan klik Ekstrak sekali; masing-masing menjadi file .txt sendiri bernama sesuai sumbernya, dan diunduh bersamaan sebagai pdf-to-text.zip. Satu PDF diunduh langsung sebagai filename.txt.

Halaman mengikuti satu sama lain dengan jeda baris di antaranya. Tidak ada penanda halaman atau form feed, sehingga file terbaca sebagai satu aliran teks yang berkelanjutan.

Tidak, alat ini selalu mengekstrak setiap halaman. Ambil halaman yang Anda butuhkan ke PDF terpisah dulu dengan Ekstrak Halaman, lalu konversi file itu.

Jika PDF meminta kata sandi saat dibuka, alat ini meminta kata sandi itu sebelum mengekstrak. Tanpa kata sandi, teks tidak bisa dibaca.

Tidak. Ekstraksi berjalan di mesin PDF yang dimuat ke browser Anda sebagai WebAssembly, sehingga kontrak, rekam medis, dan apa pun lainnya tetap di perangkat Anda dari awal sampai akhir.