PDF से टेक्स्ट

PDF का सारा टेक्स्ट पढ़ने के क्रम में और पैराग्राफ़ में जोड़कर निकालें। इसे कॉपी करें या .txt फ़ाइल डाउनलोड करें। आपकी फ़ाइल इसी डिवाइस पर रहती है।

PDF चुनेंया उसे यहाँ छोड़ें

अपलोड नहींआपकी फ़ाइल इसी डिवाइस पर रहती है।
आपकी असली फ़ाइल जैसी है वैसी रहती हैआप एक नई कॉपी डाउनलोड करते हैं। आपकी फ़ाइल कभी नहीं बदलती।
मुफ़्त, साइन-अप नहींन अकाउंट चाहिए, न कोई रोज़ की लिमिट।

आपकी फ़ाइल के साथ क्या होता है

नीचे लिखा सब कुछ आपके ब्राउज़र के अंदर, आपके अपने डिवाइस पर होता है। PDF अपलोड नहीं होती, इसलिए कोई और — हम भी — उसे नहीं देख सकते।

आपका ब्राउज़र PDF को pdf.js से खोलता है, जो Firefox में बना PDF व्यूअर है, और टेक्स्ट के हर टुकड़े को उसकी जगह और साइज़ के साथ पढ़ता है।
एक ही लाइन पर मौजूद टेक्स्ट के टुकड़े जोड़कर लाइनें बनती हैं, और लाइनें जोड़कर पैराग्राफ़, ताकि हर कुछ शब्दों पर लाइन न टूटे। लाइन के आख़िर में हाइफ़न से टूटे शब्द फिर से जोड़ दिए जाते हैं।
दो या तीन कॉलम वाले पेज एक-एक कॉलम करके पढ़े जाते हैं। PDF व्यूअर से कॉपी करने पर अक्सर कॉलम लाइन-दर-लाइन आपस में मिल जाते हैं।
ज़्यादातर पेजों के ऊपर या नीचे दोहराई जाने वाली लाइनें, जैसे हर पेज पर आने वाला शीर्षक और पेज नंबर, हटाई जा सकती हैं ताकि वे वाक्यों को बीच में न तोड़ें।
टेबल की हर पंक्ति एक लाइन बन जाती है, और सेल टैब से अलग होते हैं, ताकि स्प्रेडशीट में पेस्ट करने पर वे सही कॉलम में जाएँ।
कुछ PDF, अक्सर वेब ब्राउज़र से सेव की गई, कुछ अक्षरों को “कोई अक्षर नहीं” के रूप में चिह्नित करती हैं। थाई में ये आमतौर पर स्वरों के ऊपर लगने वाले टोन मार्क होते हैं। pdfMB इन्हें आपकी फ़ाइल के अंदर के फ़ॉन्ट से फिर से बनाता है।
बिना टेक्स्ट वाले पेज, जैसे स्कैन, उसी OCR इंजन से पढ़े जा सकते हैं जो OCR PDF में है। सिर्फ़ भाषा डेटा डाउनलोड होता है, एक बार।
.txt फ़ाइल आपके डिवाइस पर UTF-8 में सेव होती है, ताकि हर भाषा सही-सलामत आए, या टेक्स्ट आपके क्लिपबोर्ड पर कॉपी हो जाता है।

संक्षेप में

PDF चुनें
“टेक्स्ट में बदलें” दबाएँ
प्रीव्यू जाँचें
कॉपी करें या .txt फ़ाइल डाउनलोड करें

PDF से टेक्स्ट कैसे निकालें

PDF चुनें या उसे बॉक्स पर छोड़ें। pdfMB हर पेज पढ़ता है और बताता है कि क्या कोई पेज बिना टेक्स्ट वाला स्कैन है।
अगर स्कैन किए पेज हैं, तो “स्कैन किए पेजों का टेक्स्ट पढ़ें (OCR)” चालू रहने दें और दस्तावेज़ की भाषा चुनें।
“टेक्स्ट में बदलें” दबाएँ। एक प्रोग्रेस बार दिखाता है कि काम कितना हो गया है।
प्रीव्यू देख लें। आप पेज के हेडर और फ़ुटर रख या हटा सकते हैं, पेजों की शुरुआत चिह्नित कर सकते हैं, या हेडिंग और टेबल रखने के लिए Markdown पर जा सकते हैं।
टेक्स्ट कहीं और पेस्ट करने के लिए “सब कॉपी करें” दबाएँ, या .txt फ़ाइल डाउनलोड करें।

कॉपी किए गए थाई टेक्स्ट से अक्सर टोन मार्क क्यों गायब हो जाते हैं

थाई फ़ॉन्ट में टोन मार्क के लिए अतिरिक्त आकार होते हैं: एक ऊपर उठा हुआ, जो ऊपरी स्वर के ऊपर बैठता है, जैसे ที่ या น้ำ में, और एक सामान्य। PDF यह रखती है कि कौन-सा आकार बनाया गया, साथ में एक टेबल जो बताती है कि हर आकार किस अक्षर के लिए है।

जब PDF को Chrome, Edge और दूसरे Chromium ब्राउज़र से सेव किया जाता है, तो वह टेबल अक्सर कहती है कि ऊपर उठे आकार “कुछ नहीं” हैं। टेक्स्ट कॉपी करने पर, या इस टेबल पर भरोसा करने वाले टूल में, मार्क गिर जाता है, और น้ำ (पानी) बदलकर นำ (ले जाना) हो जाता है।

Chrome से सेव किए गए 35 पेज के एक थाई Wikipedia लेख के साथ हमारे टेस्ट में, 1,915 टोन मार्क इसी तरह चिह्नित थे। pdfMB फ़ाइल के अंदर के फ़ॉन्ट में सही मार्क ढूँढता है, और सभी 4,911 टोन मार्क सही-सलामत आए।

लोग इसे कब इस्तेमाल करते हैं

अपना लिखा दोबारा इस्तेमाल करना

किसी पुरानी रिपोर्ट, पत्र या CV का टेक्स्ट PDF से निकालें और उसे किसी भी प्रोग्राम में एडिट करें।

अनुवाद

अनुवाद टूल में पूरे पैराग्राफ़ पेस्ट करें, आधे वाक्य पर रुक जाने वाली लाइनें नहीं।

खोजना और गिनना

किसी लंबे दस्तावेज़ में खोजें, शब्द गिनें, या टेक्स्ट एडिटर में दो वर्ज़न की तुलना करें।

थाई दस्तावेज़

थाई टेक्स्ट टोन मार्क के साथ कॉपी करें, वेब ब्राउज़र से सेव की गई PDF से भी।

यह क्या नहीं कर सकता

सिर्फ़ टेक्स्ट रखा जाता है। तस्वीरें, चार्ट और ड्रॉइंग छोड़ दिए जाते हैं। उन्हें सेव करने के लिए PDF से JPG इस्तेमाल करें।
बोल्ड, इटैलिक, हेडिंग और लिंक सामान्य टेक्स्ट बन जाते हैं। उन्हें रखने के लिए PDF से Markdown इस्तेमाल करें।
पेज पर टेक्स्ट की सटीक जगह नहीं रखी जाती। बॉक्स और हाशियों का टेक्स्ट पैराग्राफ़ों के क्रम में रख दिया जाता है।
समीकरण सादे टेक्स्ट के रूप में निकलते हैं, सुपरस्क्रिप्ट और सबस्क्रिप्ट उसी लाइन पर।
दाएँ से बाएँ लिखी जाने वाली भाषाएँ, जैसे अरबी और हिब्रू, अभी पर्याप्त रूप से टेस्ट नहीं हुई हैं। नतीजा ध्यान से जाँचें।
पासवर्ड वाली PDF, और जिन PDF के मालिक ने कॉपी करना बंद कर रखा है, उन्हें बदला नहीं जा सकता।

PDF को टेक्स्ट में बदलने से जुड़े सवाल

क्या मेरी PDF अपलोड होती है?

नहीं। pdfMB फ़ाइल को आपके ब्राउज़र के अंदर पढ़ता है, और वह कभी आपके डिवाइस से बाहर नहीं जाती। आप इसे अपने ब्राउज़र के नेटवर्क टूल में जाँच सकते हैं।

सीधे अपने PDF व्यूअर से कॉपी क्यों न करें?

ज़्यादातर व्यूअर लाइन-दर-लाइन कॉपी करते हैं, इसलिए हर लाइन के आख़िर में ब्रेक आता है, कॉलम आपस में मिल जाते हैं और हाइफ़न वाले शब्द टूटे रह जाते हैं। pdfMB लाइनों को पैराग्राफ़ में जोड़ता है, कॉलम क्रम से पढ़ता है और पेज के हेडर और नंबर छोड़ सकता है।

क्या थाई टोन मार्क बने रहते हैं?

हाँ। pdfMB उन टोन मार्क को भी वापस लाता है जिन्हें कुछ PDF “कोई अक्षर नहीं” के रूप में चिह्नित करती हैं। हमारे टेस्ट में 35 पेज के एक थाई लेख के सभी 4,911 टोन मार्क सही-सलामत आए।

क्या यह स्कैन की गई PDF पढ़ सकता है?

हाँ। OCR चालू करें और भाषा चुनें। नतीजा जाँच लें, क्योंकि OCR नाम और नंबर गलत पढ़ सकता है।

.txt फ़ाइल किस एन्कोडिंग में होती है?

UTF-8, जिसे हर आधुनिक एडिटर खोलता है, जिसमें Notepad, TextEdit और VS Code शामिल हैं। सभी भाषाएँ और चिह्न बने रहते हैं।

क्या पेज या साइज़ की कोई सीमा है?

कोई तय सीमा नहीं है। लंबे दस्तावेज़ों में ज़्यादा समय लगता है, और बहुत बड़ी फ़ाइलों पर कुछ फ़ोन की मेमोरी कम पड़ सकती है।