pdfMB

PDF ke Teks

Ambil semua teks dari PDF, sesuai urutan baca dan tersusun dalam paragraf. Salin hasilnya atau unduh file .txt. File Anda tetap di perangkat ini.

  • Tanpa unggahFile Anda tetap di perangkat ini.
  • File asli Anda tetap utuhAnda mengunduh salinan baru. File Anda tidak pernah diubah.
  • Gratis, tanpa daftarTanpa akun dan tanpa batas harian.

Apa yang terjadi pada file Anda

Semua yang dijelaskan di bawah terjadi di dalam browser Anda, di perangkat Anda sendiri. PDF tidak diunggah, jadi tidak ada orang lain, termasuk kami, yang bisa melihatnya.

  1. Browser Anda membuka PDF dengan pdf.js, penampil PDF bawaan Firefox, lalu membaca setiap potongan teks beserta posisi dan ukurannya.
  2. Potongan teks pada baris yang sama digabung menjadi baris, lalu baris digabung menjadi paragraf, jadi tidak ada pindah baris setiap beberapa kata. Kata yang terpotong tanda hubung di akhir baris disambung kembali.
  3. Halaman dengan dua atau tiga kolom dibaca per kolom. Menyalin dari penampil PDF sering mencampur kolom baris demi baris.
  4. Baris yang berulang di bagian atas atau bawah sebagian besar halaman, seperti judul berjalan dan nomor halaman, bisa dihapus agar tidak memotong kalimat.
  5. Tabel menjadi satu baris per baris tabel, dengan sel dipisahkan tab, jadi bisa ditempel ke spreadsheet di kolom yang benar.
  6. Sebagian PDF, sering kali yang disimpan dari browser web, menandai karakter tertentu sebagai “bukan karakter”. Dalam bahasa Thai, biasanya ini tanda nada di atas vokal. pdfMB menyusunnya kembali dari font di dalam file Anda.
  7. Halaman tanpa teks, seperti hasil pindai, bisa dibaca dengan mesin OCR yang sama dengan OCR PDF. Hanya data bahasanya yang diunduh, sekali saja.
  8. File .txt disimpan sebagai UTF-8 di perangkat Anda, jadi semua bahasa tetap utuh, atau teksnya disalin ke papan klip.
Singkatnya
  1. Pilih PDF
  2. Tekan “Ubah ke teks”
  3. Periksa pratinjaunya
  4. Salin atau unduh file .txt

Cara mengambil teks dari PDF

  1. Pilih PDF atau letakkan di kotak. pdfMB membaca setiap halaman dan memberi tahu Anda apakah ada halaman hasil pindai tanpa teks.
  2. Jika ada halaman hasil pindai, biarkan “Baca teks di halaman hasil pindai (OCR)” menyala dan pilih bahasa dokumennya.
  3. Tekan “Ubah ke teks”. Sebuah bilah menunjukkan sejauh mana prosesnya.
  4. Periksa pratinjaunya. Anda bisa mempertahankan atau menghapus header dan footer, menandai awal setiap halaman, atau beralih ke Markdown untuk mempertahankan judul dan tabel.
  5. Tekan “Salin semua” untuk menempelkan teksnya di tempat lain, atau unduh file .txt.

Mengapa teks Thai yang disalin sering kehilangan tanda nada

Font Thai punya bentuk tambahan untuk tanda nada: bentuk yang dinaikkan untuk duduk di atas vokal atas, seperti pada ที่ atau น้ำ, dan bentuk biasa. PDF menyimpan bentuk mana yang digambar, ditambah tabel yang menyatakan huruf apa yang diwakili setiap bentuk.

Saat PDF disimpan dari Chrome, Edge, dan browser Chromium lainnya, tabel itu sering menyatakan bahwa bentuk yang dinaikkan mewakili “tidak ada”. Saat teksnya disalin, atau saat alat yang memercayai tabel itu dipakai, tandanya hilang, dan น้ำ (air) berubah menjadi นำ (memimpin).

Dalam uji kami dengan artikel Wikipedia bahasa Thai sepanjang 35 halaman yang disimpan dari Chrome, 1.915 tanda nada ditandai seperti ini. pdfMB menemukan tanda yang benar di font dalam file, dan ke-4.911 tanda nada tetap utuh.

Kapan orang memakainya

Memakai lagi tulisan Anda

Ambil teks laporan, surat, atau CV lama dari PDF untuk diedit di program apa pun.

Menerjemahkan

Tempelkan paragraf utuh ke penerjemah, bukan baris yang terputus di tengah kalimat.

Mencari dan menghitung

Cari di dokumen panjang, hitung kata, atau bandingkan dua versi di editor teks.

Dokumen bahasa Thai

Salin teks Thai dengan tanda nada yang tetap ada, bahkan dari PDF yang disimpan dari browser web.

Yang tidak bisa dilakukannya

  • Hanya teks yang disimpan. Gambar, grafik, dan ilustrasi tidak disertakan. Gunakan PDF ke JPG untuk menyimpannya.
  • Teks tebal, miring, judul, dan tautan menjadi teks biasa. Gunakan PDF ke Markdown untuk mempertahankannya.
  • Posisi persis teks di halaman tidak dipertahankan. Teks di dalam kotak dan di margin dimasukkan ke alur paragraf.
  • Persamaan menjadi teks biasa, dengan superskrip dan subskrip di baris yang sama.
  • Bahasa yang ditulis dari kanan ke kiri, seperti Arab dan Ibrani, belum cukup diuji. Periksa hasilnya dengan teliti.
  • PDF yang dilindungi kata sandi, dan PDF yang pemiliknya memblokir penyalinan, tidak bisa diubah.

Pertanyaan tentang mengubah PDF ke teks

Apakah PDF saya diunggah?

Tidak. pdfMB membaca file di dalam browser Anda, dan file tidak pernah keluar dari perangkat Anda. Anda bisa memeriksanya di alat jaringan browser Anda.

Mengapa tidak menyalin saja dari penampil PDF?

Sebagian besar penampil menyalin baris demi baris, jadi setiap baris diakhiri pindah baris, kolom tercampur, dan kata yang terpotong tanda hubung tetap terpisah. pdfMB menggabungkan baris menjadi paragraf, membaca kolom sesuai urutan, dan bisa menghilangkan header dan nomor halaman.

Apakah tanda nada bahasa Thai tetap ada?

Ya. pdfMB juga memulihkan tanda nada yang oleh sebagian PDF ditandai sebagai “bukan karakter”. Dalam uji kami, ke-4.911 tanda nada dari artikel bahasa Thai sepanjang 35 halaman tetap utuh.

Bisakah membaca PDF hasil pindai?

Bisa. Nyalakan OCR dan pilih bahasanya. Periksa hasilnya, karena OCR bisa salah membaca nama dan angka.

File .txt-nya memakai encoding apa?

UTF-8, yang bisa dibuka oleh semua editor modern, termasuk Notepad, TextEdit, dan VS Code. Semua bahasa dan simbol tetap utuh.

Apakah ada batas halaman atau ukuran?

Tidak ada batas tetap. Dokumen panjang butuh waktu lebih lama, dan file yang sangat besar bisa kehabisan memori di sebagian ponsel.