pdfMB

PDF 轉文字

依閱讀順序擷取 PDF 的全部文字，並連成段落。可以複製，也可以下載 .txt 檔。檔案會留在這台裝置上。

  • 不上傳檔案一直留在這台裝置上。
  • 原始檔案維持不變你下載的是一份新副本，原始檔案不會被修改。
  • 免費，免註冊不用帳號，也沒有每日次數限制。

你的檔案會經過哪些處理

以下所有步驟都在你的瀏覽器裡、在你自己的裝置上完成。PDF 不會上傳，所以包括我們在內，沒有任何人能看到它。

  1. 瀏覽器用 pdf.js（Firefox 內建的 PDF 檢視器）開啟 PDF，讀取每一段文字及其位置和大小。
  2. 同一行上的文字片段會連成一行，行再連成段落，所以不會每隔幾個字就強制換行。在行尾用連字號斷開的單字也會重新接上。
  3. 兩欄或三欄的頁面會逐欄讀取。從 PDF 檢視器複製時，各欄常常會一行一行地混在一起。
  4. 在大多數頁面頂端或底部重複出現的行，例如書眉和頁碼，可以移除，以免打斷句子。
  5. 表格的每一列會變成一行文字，儲存格之間用 Tab 分隔，所以貼到試算表時會落在正確的欄位。
  6. 有些 PDF（通常是從網頁瀏覽器儲存的）會把某些字元標記為「沒有字元」。在泰文裡，這些通常是母音上方的聲調符號。pdfMB 會根據檔案內的字型把它們補回來。
  7. 沒有文字的頁面（例如掃描檔）可以用和「OCR PDF」相同的 OCR 引擎讀取。只需要下載語言資料，而且只下載一次。
  8. .txt 檔會以 UTF-8 儲存在你的裝置上，所以任何語言都能完整保留；也可以把文字複製到剪貼簿。
簡要步驟
  1. 選擇 PDF
  2. 按下「轉換成文字」
  3. 檢查預覽
  4. 複製或下載 .txt 檔

如何從 PDF 擷取文字

  1. 選擇一個 PDF，或把它拖到框裡。pdfMB 會讀取每一頁，並告訴你有沒有不含文字的掃描頁面。
  2. 如果有掃描頁面，請讓「辨識掃描頁面的文字（OCR）」保持開啟，並選擇文件的語言。
  3. 按下「轉換成文字」。進度列會顯示完成了多少。
  4. 檢查預覽。你可以選擇保留或移除頁首頁尾、標出每一頁的開頭，或切換成 Markdown 來保留標題和表格。
  5. 按下「全部複製」把文字貼到別處，或下載 .txt 檔。

為什麼複製出來的泰文常常少了聲調符號

泰文字型裡的聲調符號有不只一種字形：一種是位置較高、疊在上方母音之上的，例如 ที่ 或 น้ำ；另一種是一般位置的。PDF 會記錄畫的是哪個字形，以及一張說明每個字形代表哪個字元的對照表。

從 Chrome、Edge 等 Chromium 瀏覽器儲存的 PDF，這張對照表常常把位置較高的字形標為「什麼都不是」。複製文字，或使用完全相信這張表的工具，就會少掉聲調符號，น้ำ（水）就變成了 นำ（引導）。

我們用一篇從 Chrome 儲存的 35 頁泰文維基百科文章測試，其中有 1,915 個聲調符號被這樣標記。pdfMB 從檔案內的字型找到正確的符號，4,911 個聲調符號全部完整保留。

常見用途

重新利用自己寫的內容

把舊報告、信件或履歷的文字從 PDF 取出來，在任何程式裡編輯。

翻譯

把整段文字貼到翻譯工具裡，而不是一句話斷在中間的一行行文字。

搜尋和計數

在文字編輯器裡搜尋長文件、計算字數，或比較兩個版本。

泰文文件

複製保留聲調符號的泰文文字，即使是從網頁瀏覽器儲存的 PDF 也可以。

做不到的事

  • 只保留文字，圖片、圖表和圖形不會包含在內。若要儲存，請用「PDF 轉 JPG」。
  • 粗體、斜體、標題和連結都會變成一般文字。若要保留，請用「PDF 轉 Markdown」。
  • 不會保留文字在頁面上的確切位置。文字方塊和頁邊的文字會放進段落的順序裡。
  • 公式會以純文字輸出，上標和下標也會放在同一行。
  • 阿拉伯文、希伯來文等由右至左書寫的語言還沒有經過充分測試，請仔細檢查結果。
  • 有密碼保護的 PDF，以及擁有者禁止複製的 PDF，都無法轉換。

關於把 PDF 轉成文字的常見問題

我的 PDF 會被上傳嗎？

不會。pdfMB 在你的瀏覽器裡讀取檔案，檔案絕不會離開你的裝置。你可以在瀏覽器的網路工具中自行確認。

為什麼不直接從 PDF 檢視器複製？

大多數檢視器是一行一行複製的，所以每行結尾都有換行，各欄會混在一起，用連字號斷開的單字也還是斷開的。pdfMB 會把行連成段落、依序讀取各欄，還可以移除頁首和頁碼。

會保留泰文的聲調符號嗎？

會。有些 PDF 把聲調符號標記為「沒有字元」，pdfMB 也會把它們補回來。在我們的測試中，一篇 35 頁泰文文章的 4,911 個聲調符號全部完整保留。

能讀取掃描的 PDF 嗎？

可以。開啟 OCR 並選擇語言。請檢查結果，因為 OCR 可能會認錯人名和數字。

.txt 檔是什麼編碼？

UTF-8，所有現代編輯器都能開啟，包括 Notepad、TextEdit 和 VS Code。所有語言和符號都會保留。

有頁數或檔案大小的限制嗎？

沒有固定的限制。文件越長，需要的時間越久；非常大的檔案在部分手機上可能會記憶體不足。