pdfMB

PDF ke Teks

Keluarkan semua teks daripada PDF, mengikut susunan bacaan dan tersusun dalam perenggan. Salin hasilnya atau muat turun fail .txt. Fail anda kekal pada peranti ini.

  • Tiada muat naikFail anda kekal pada peranti ini.
  • Fail asal anda kekal seperti sedia adaAnda memuat turun salinan baharu. Fail anda tidak pernah diubah.
  • Percuma, tanpa pendaftaranTiada akaun dan tiada had harian.

Apa yang berlaku pada fail anda

Semua yang diterangkan di bawah berlaku di dalam pelayar anda, pada peranti anda sendiri. PDF tidak dimuat naik, jadi tiada orang lain, termasuk kami, yang dapat melihatnya.

  1. Pelayar anda membuka PDF dengan pdf.js, pemapar PDF yang terbina dalam Firefox, dan membaca setiap cebisan teks bersama kedudukan dan saiznya.
  2. Cebisan teks pada baris yang sama dicantumkan menjadi baris, dan baris menjadi perenggan, jadi anda tidak mendapat pemisah baris setiap beberapa perkataan. Perkataan yang dipisahkan dengan sempang di hujung baris dicantumkan semula.
  3. Halaman dengan dua atau tiga lajur dibaca lajur demi lajur. Menyalin daripada pemapar PDF selalunya mencampurkan lajur baris demi baris.
  4. Baris yang berulang di bahagian atas atau bawah kebanyakan halaman, seperti tajuk berjalan dan nombor halaman, boleh dibuang supaya tidak mengganggu ayat.
  5. Jadual menjadi satu baris bagi setiap baris jadual, dengan sel dipisahkan oleh tab, jadi ia boleh ditampal ke dalam hamparan pada lajur yang betul.
  6. Sesetengah PDF, selalunya yang disimpan daripada pelayar web, menandakan aksara tertentu sebagai “bukan aksara”. Dalam bahasa Thai, ini biasanya tanda nada di atas vokal. pdfMB membinanya semula daripada fon di dalam fail anda.
  7. Halaman tanpa teks, seperti imbasan, boleh dibaca dengan enjin OCR yang sama seperti OCR PDF. Hanya data bahasa yang dimuat turun, sekali sahaja.
  8. Fail .txt disimpan sebagai UTF-8 pada peranti anda, jadi setiap bahasa kekal utuh, atau teks disalin ke papan keratan.
Ringkasnya
  1. Pilih PDF
  2. Tekan “Tukar ke teks”
  3. Semak pratonton
  4. Salin atau muat turun fail .txt

Cara mengeluarkan teks daripada PDF

  1. Pilih PDF atau lepaskan ke dalam kotak. pdfMB membaca setiap halaman dan memberitahu anda sama ada terdapat halaman imbasan tanpa teks.
  2. Jika ada halaman imbasan, biarkan “Baca teks pada halaman imbasan (OCR)” dihidupkan dan pilih bahasa dokumen.
  3. Tekan “Tukar ke teks”. Satu bar menunjukkan sejauh mana kemajuannya.
  4. Semak pratonton. Anda boleh mengekalkan atau membuang pengepala dan pengaki, menandakan permulaan setiap halaman, atau bertukar kepada Markdown untuk mengekalkan tajuk dan jadual.
  5. Tekan “Salin semua” untuk menampal teks di tempat lain, atau muat turun fail .txt.

Mengapa teks Thai yang disalin sering kehilangan tanda nada

Fon Thai mempunyai bentuk tambahan untuk tanda nada: bentuk yang dinaikkan untuk duduk di atas vokal atas, seperti dalam ที่ atau น้ำ, dan bentuk biasa. PDF menyimpan bentuk mana yang dilukis, serta jadual yang menyatakan huruf apa yang diwakili oleh setiap bentuk.

Apabila PDF disimpan daripada Chrome, Edge dan pelayar Chromium lain, jadual itu sering menyatakan bahawa bentuk yang dinaikkan mewakili “tiada apa-apa”. Apabila teks disalin, atau alat yang mempercayai jadual itu digunakan, tandanya hilang, dan น้ำ (air) bertukar menjadi นำ (memimpin).

Dalam ujian kami dengan rencana Wikipedia bahasa Thai sepanjang 35 halaman yang disimpan daripada Chrome, 1,915 tanda nada ditandakan begini. pdfMB menemui tanda yang betul dalam fon di dalam fail, dan kesemua 4,911 tanda nada kekal.

Bila orang menggunakannya

Menggunakan semula tulisan anda

Keluarkan teks laporan, surat atau CV lama daripada PDF untuk disunting dalam mana-mana program.

Menterjemah

Tampal perenggan penuh ke dalam penterjemah, bukan baris yang terhenti di tengah-tengah ayat.

Mencari dan mengira

Cari dalam dokumen panjang, kira perkataan, atau bandingkan dua versi dalam penyunting teks.

Dokumen bahasa Thai

Salin teks Thai dengan tanda nada yang masih ada, walaupun daripada PDF yang disimpan daripada pelayar web.

Apa yang tidak dapat dilakukannya

  • Hanya teks yang disimpan. Gambar, carta dan lukisan tidak disertakan. Gunakan PDF ke JPG untuk menyimpannya.
  • Teks tebal, condong, tajuk dan pautan menjadi teks biasa. Gunakan PDF ke Markdown untuk mengekalkannya.
  • Kedudukan tepat teks pada halaman tidak dikekalkan. Teks dalam kotak dan di margin dimasukkan ke dalam aliran perenggan.
  • Persamaan menjadi teks biasa, dengan superskrip dan subskrip pada baris yang sama.
  • Bahasa yang ditulis dari kanan ke kiri, seperti Arab dan Ibrani, belum cukup diuji. Semak hasilnya dengan teliti.
  • PDF yang dilindungi kata laluan, dan PDF yang pemiliknya telah menyekat penyalinan, tidak boleh ditukar.

Soalan tentang menukar PDF ke teks

Adakah PDF saya dimuat naik?

Tidak. pdfMB membaca fail di dalam pelayar anda, dan fail tidak pernah meninggalkan peranti anda. Anda boleh menyemaknya dalam alat rangkaian pelayar anda.

Mengapa tidak salin sahaja daripada pemapar PDF saya?

Kebanyakan pemapar menyalin baris demi baris, jadi setiap baris berakhir dengan pemisah baris, lajur bercampur dan perkataan bersempang kekal terpisah. pdfMB mencantumkan baris menjadi perenggan, membaca lajur mengikut susunan dan boleh membuang pengepala serta nombor halaman.

Adakah tanda nada bahasa Thai dikekalkan?

Ya. pdfMB juga memulihkan tanda nada yang ditandakan oleh sesetengah PDF sebagai “bukan aksara”. Dalam ujian kami, kesemua 4,911 tanda nada daripada rencana bahasa Thai sepanjang 35 halaman dikekalkan.

Bolehkah ia membaca PDF imbasan?

Boleh. Hidupkan OCR dan pilih bahasanya. Semak hasilnya, kerana OCR boleh tersalah membaca nama dan nombor.

Apakah pengekodan fail .txt?

UTF-8, yang boleh dibuka oleh setiap penyunting moden, termasuk Notepad, TextEdit dan VS Code. Semua bahasa dan simbol dikekalkan.

Adakah had halaman atau saiz?

Tiada had tetap. Dokumen panjang mengambil masa lebih lama, dan fail yang sangat besar mungkin kehabisan memori pada sesetengah telefon.