tigtools

PDF ke Teks

Pilih PDF dan dapatkan teksnya sebagai teks polos, dengan judul halaman opsional, siap disalin atau disimpan. Ekstraksi berjalan di browser Anda dengan pdf.js.

Berjalan di browser Anda Tanpa perlu mendaftar

atau letakkan di sini. File tetap tersimpan di perangkat Anda.

Cara menggunakan

  1. Pilih atau seret file PDF ke sini.
  2. Tentukan apakah setiap halaman harus dimulai dengan judul seperti “--- Halaman 3 ---”.
  3. Pilih Ekstrak teks dan tunggu sampai semua halaman selesai dibaca.
  4. Salin teks atau unduh sebagai file .txt UTF-8.

Cara kerja

File PDF yang dibuat dari pengolah kata, situs web, atau sebagian besar perangkat lunak lain memiliki lapisan teks: karakter dan posisinya. Alat ini membaca lapisan tersebut halaman demi halaman dengan pdf.js dan mengubahnya menjadi baris teks biasa. Font, ukuran, warna, gambar, dan tabel tidak dipertahankan; sel tabel dihasilkan sebagai teks yang dipisahkan oleh spasi atau baris baru.

Urutan bacaan mengikuti urutan yang tersimpan di dalam PDF, yang biasanya merupakan urutan visual. Tata letak multi-kolom, catatan kaki, dan kotak teks dapat muncul dalam urutan yang tidak terduga, dan kata yang dipenggal di akhir baris tetap terpisah.

Dokumen hasil pindai dan foto yang disimpan sebagai PDF hanya berisi gambar teks dan tidak memiliki lapisan teks, sehingga tidak ada yang dapat diekstrak. Alat ini mendeteksi hal tersebut dan mengarahkan Anda ke OCR (pengenalan karakter optik), yang membaca teks dari gambar. Teks pada sebagian PDF menggunakan font tanpa peta karakter yang tepat; teks tersebut dapat muncul sebagai simbol yang tidak terbaca.

PDF yang memerlukan kata sandi untuk dibuka tidak dapat dibaca. PDF yang hanya memiliki batasan penyalinan tetap dapat dibaca, jadi hormati hak pemilik dokumen.

Contoh

Mengutip laporan

Ekstrak teks laporan PDF 40 halaman, cari di kotak teks, dan salin paragraf yang Anda butuhkan tanpa repot memilih teks di penampil PDF.

Surat yang dipindai

Surat yang dipindai ke PDF tidak menghasilkan teks. Alat ini memberi tahu hal tersebut dan menautkan ke alat OCR, yang dapat mengenali teks dari gambar halaman.

Pertanyaan yang sering diajukan

Mengapa tidak ada teks yang ditemukan di PDF saya?

PDF kemungkinan besar berisi gambar hasil pindai, bukan teks. Jalankan halaman melalui OCR untuk mengenali teksnya.

Mengapa kata atau baris berada dalam urutan yang salah?

Alat ini menggunakan urutan teks yang tersimpan di dalam file. Beberapa program menyimpan kolom, header, atau kotak teks dalam urutan yang berbeda dari tampilannya.

Mengapa teks berisi simbol aneh?

Beberapa PDF menggunakan font tanpa informasi tentang karakter yang diwakili oleh setiap glif. Huruf yang terlihat tidak dapat dipetakan kembali ke teks; OCR adalah satu-satunya pilihan untuk file seperti itu.

Apakah pemformatan seperti tebal atau tabel dipertahankan?

Tidak. Hasilnya berupa teks polos dengan jeda baris. Sel dan kolom tabel menjadi teks dalam baris.

Privasi

PDF dibuka dan dibaca di browser Anda dengan pdf.js. File dan teks yang diekstrak tidak diunggah, disimpan, atau disertakan dalam analitik; hanya kejadian anonim bahwa alat ini digunakan yang dihitung.