PDF থেকে টেক্সট

PDF-এর সব লেখা পড়ার ক্রমে, অনুচ্ছেদে জুড়ে বের করুন। কপি করুন বা .txt ফাইল ডাউনলোড করুন। আপনার ফাইল এই ডিভাইসেই থাকে।

PDF বেছে নিনঅথবা এখানে টেনে আনুন

আপলোড নেইআপনার ফাইল এই ডিভাইসেই থাকে।
আপনার মূল ফাইল যেমন ছিল তেমনই থাকেআপনি একটি নতুন কপি ডাউনলোড করেন। আপনার ফাইল কখনও বদলায় না।
বিনামূল্যে, সাইন-আপ ছাড়াঅ্যাকাউন্ট লাগে না, দৈনিক সীমাও নেই।

আপনার ফাইলের কী হয়

নিচের সবকিছু আপনার ব্রাউজারের ভেতরে, আপনার নিজের ডিভাইসেই ঘটে। PDF আপলোড হয় না, তাই অন্য কেউ, এমনকি আমরাও, এটি দেখতে পারি না।

আপনার ব্রাউজার Firefox-এ থাকা PDF ভিউয়ার pdf.js দিয়ে PDF খোলে, আর লেখার প্রতিটি টুকরো তার অবস্থান আর আকারসহ পড়ে।
একই লাইনের লেখার টুকরোগুলো জুড়ে লাইন তৈরি হয়, আর লাইনগুলো জুড়ে অনুচ্ছেদ, তাই কয়েক শব্দ পরপর লাইন ভাঙে না। লাইনের শেষে হাইফেন দিয়ে ভাঙা শব্দগুলো আবার জুড়ে দেওয়া হয়।
দুই বা তিন কলামের পৃষ্ঠা এক কলাম করে পড়া হয়। PDF ভিউয়ার থেকে কপি করলে প্রায়ই কলামগুলো লাইনে লাইনে মিশে যায়।
বেশিরভাগ পৃষ্ঠার ওপরে বা নিচে বারবার আসা লাইন, যেমন প্রতি পৃষ্ঠায় থাকা শিরোনাম আর পৃষ্ঠা নম্বর, সরিয়ে দেওয়া যায়, যাতে বাক্যের মাঝে বাধা না পড়ে।
টেবিলের প্রতিটি সারি এক লাইনে আসে, ঘরগুলো ট্যাব দিয়ে আলাদা, তাই স্প্রেডশিটে পেস্ট করলে ঠিক কলামে বসে।
কিছু PDF, প্রায়ই ওয়েব ব্রাউজার থেকে সেভ করা, নির্দিষ্ট কিছু অক্ষরকে “কোনো অক্ষর নয়” বলে চিহ্নিত করে। থাই ভাষায় এগুলো সাধারণত স্বরবর্ণের ওপরের টোন চিহ্ন। pdfMB আপনার ফাইলের ভেতরের ফন্ট থেকে এগুলো আবার তৈরি করে।
লেখা ছাড়া পৃষ্ঠা, যেমন স্ক্যান, “OCR PDF”-এর একই OCR ইঞ্জিন দিয়ে পড়া যায়। শুধু ভাষা-ডেটা ডাউনলোড হয়, একবারই।
.txt ফাইলটি আপনার ডিভাইসে UTF-8-এ সেভ হয়, তাই সব ভাষা ঠিকঠাক আসে, অথবা লেখা ক্লিপবোর্ডে কপি হয়।

সংক্ষেপে

একটি PDF বেছে নিন
“টেক্সটে রূপান্তর করুন” চাপুন
প্রিভিউ দেখে নিন
কপি করুন বা .txt ফাইল ডাউনলোড করুন

কীভাবে PDF থেকে লেখা বের করবেন

একটি PDF বেছে নিন বা বক্সে টেনে আনুন। pdfMB প্রতিটি পৃষ্ঠা পড়ে জানিয়ে দেয় লেখা ছাড়া কোনো স্ক্যান করা পৃষ্ঠা আছে কি না।
স্ক্যান করা পৃষ্ঠা থাকলে “স্ক্যান করা পৃষ্ঠার লেখা পড়ুন (OCR)” চালু রাখুন আর নথির ভাষা বেছে নিন।
“টেক্সটে রূপান্তর করুন” চাপুন। একটি বার দেখায় কাজ কতদূর এগোল।
প্রিভিউ দেখে নিন। পৃষ্ঠার হেডার আর ফুটার রাখতে বা সরাতে পারেন, পৃষ্ঠার শুরু চিহ্নিত করতে পারেন, অথবা শিরোনাম আর টেবিল রাখতে Markdown-এ বদলাতে পারেন।
লেখা অন্য কোথাও পেস্ট করতে “সব কপি করুন” চাপুন, অথবা .txt ফাইল ডাউনলোড করুন।

কপি করা থাই লেখায় প্রায়ই টোন চিহ্ন হারায় কেন

থাই ফন্টে টোন চিহ্নের বাড়তি আকার থাকে: একটি উঁচু আকার, যা ওপরের স্বরচিহ্নের ওপরে বসে, যেমন ที่ বা น้ำ-তে, আর একটি সাধারণ আকার। PDF রাখে কোন আকারটি আঁকা হয়েছে, সঙ্গে একটি টেবিল, যা বলে প্রতিটি আকার কোন অক্ষর বোঝায়।

Chrome, Edge আর অন্যান্য Chromium ব্রাউজার থেকে PDF সেভ করলে সেই টেবিল প্রায়ই বলে যে উঁচু আকারগুলো “কিছুই না” বোঝায়। লেখা কপি করলে, বা টেবিলটিকে বিশ্বাস করে এমন টুলে, চিহ্নটি বাদ পড়ে, আর น้ำ (পানি) হয়ে যায় นำ (নেতৃত্ব দেওয়া)।

Chrome থেকে সেভ করা থাই Wikipedia-র 35 পৃষ্ঠার একটি নিবন্ধ দিয়ে আমাদের পরীক্ষায় 1,915টি টোন চিহ্ন এভাবে চিহ্নিত ছিল। pdfMB ফাইলের ভেতরের ফন্ট থেকে ঠিক চিহ্নটি খুঁজে নেয়, আর 4,911টি টোন চিহ্নের সবগুলোই ঠিকঠাক এসেছে।

মানুষ কখন এটি ব্যবহার করে

নিজের লেখা আবার কাজে লাগানো

পুরোনো রিপোর্ট, চিঠি বা সিভির লেখা PDF থেকে বের করে যেকোনো প্রোগ্রামে এডিট করুন।

অনুবাদ

বাক্যের মাঝপথে থেমে যাওয়া লাইনের বদলে পুরো অনুচ্ছেদ অনুবাদ টুলে পেস্ট করুন।

খোঁজা আর গোনা

লম্বা নথিতে খুঁজুন, শব্দ গুনুন, বা টেক্সট এডিটরে দুটি সংস্করণ মিলিয়ে দেখুন।

থাই নথি

ওয়েব ব্রাউজার থেকে সেভ করা PDF থেকেও টোন চিহ্নসহ থাই লেখা কপি করুন।

এটি যা পারে না

শুধু লেখা রাখা হয়। ছবি, চার্ট আর ড্রয়িং বাদ যায়। সেগুলো সেভ করতে “PDF থেকে JPG” ব্যবহার করুন।
বোল্ড, ইটালিক, শিরোনাম আর লিংক সাধারণ লেখা হয়ে যায়। সেগুলো রাখতে “PDF থেকে Markdown” ব্যবহার করুন।
পৃষ্ঠায় লেখার হুবহু অবস্থান রাখা হয় না। বক্স আর মার্জিনের লেখা অনুচ্ছেদের ধারায় বসিয়ে দেওয়া হয়।
সমীকরণগুলো সাধারণ লেখা হিসেবে আসে, সুপারস্ক্রিপ্ট আর সাবস্ক্রিপ্ট একই লাইনে।
ডান থেকে বাঁয়ে লেখা ভাষা, যেমন আরবি আর হিব্রু, এখনো যথেষ্ট পরীক্ষা করা হয়নি। ফলাফল মনোযোগ দিয়ে দেখে নিন।
পাসওয়ার্ড দিয়ে সুরক্ষিত PDF, আর যেসব PDF-এর মালিক কপি করা বন্ধ রেখেছেন, সেগুলো রূপান্তর করা যায় না।

PDF থেকে টেক্সট রূপান্তর নিয়ে প্রশ্ন

আমার PDF কি আপলোড হয়?

না। pdfMB আপনার ব্রাউজারের ভেতরেই ফাইলটি পড়ে, আর এটি কখনো আপনার ডিভাইস ছেড়ে যায় না। আপনার ব্রাউজারের নেটওয়ার্ক টুলে এটি যাচাই করে দেখতে পারেন।

PDF ভিউয়ার থেকে সরাসরি কপি করব না কেন?

বেশিরভাগ ভিউয়ার লাইন ধরে কপি করে, তাই প্রতিটি লাইনের শেষে লাইন ভাঙে, কলাম মিশে যায় আর হাইফেনে ভাঙা শব্দ ভাঙাই থাকে। pdfMB লাইন জুড়ে অনুচ্ছেদ বানায়, কলাম ক্রমে পড়ে আর পৃষ্ঠার হেডার ও নম্বর বাদ দিতে পারে।

এটি কি থাই টোন চিহ্ন রাখে?

হ্যাঁ। কিছু PDF যেসব টোন চিহ্নকে “কোনো অক্ষর নয়” বলে চিহ্নিত করে, pdfMB সেগুলোও ফিরিয়ে আনে। আমাদের পরীক্ষায় 35 পৃষ্ঠার একটি থাই নিবন্ধের 4,911টি টোন চিহ্নের সবগুলোই ঠিকঠাক এসেছে।

স্ক্যান করা PDF কি পড়া যায়?

হ্যাঁ। OCR চালু করুন আর ভাষা বেছে নিন। ফলাফল দেখে নিন, কারণ OCR নাম আর সংখ্যা ভুল পড়তে পারে।

.txt ফাইলটি কোন এনকোডিংয়ে থাকে?

UTF-8, যা Notepad, TextEdit আর VS Code-সহ সব আধুনিক এডিটর খুলতে পারে। সব ভাষা আর চিহ্ন থেকে যায়।

পৃষ্ঠা বা আকারের কোনো সীমা আছে কি?

নির্দিষ্ট কোনো সীমা নেই। লম্বা নথিতে বেশি সময় লাগে, আর খুব বড় ফাইলে কিছু ফোনের মেমরি ফুরিয়ে যেতে পারে।