Mengubah PDF ke teks memberi Anda kata-katanya saja, tanpa tata letak, font, atau gambar, dalam file .txt yang bisa dibuka di mana saja. Ini cara tercepat untuk mencari di dokumen panjang, mengutipnya, atau memasukkannya ke program lain. Di sini prosesnya berjalan di browser Anda, jadi dokumen Anda tidak pernah diunggah.
Ambil teks dari beberapa PDF
Tambahkan satu folder penuh laporan, artikel, atau rekening koran. Setiap PDF menjadi file .txt dengan nama yang sama, dan semuanya disimpan bersama dalam ZIP. Teks mengikuti urutan baca setiap halaman, halaman demi halaman, dalam UTF-8, jadi huruf beraksen dan alfabet non-Latin tetap terbawa.
PDF hasil scan perlu OCR
Alat ini membaca teks yang tersimpan di dalam PDF. Hasil scan atau foto yang disimpan sebagai PDF hanya berisi gambar huruf, jadi hasilnya kosong. Tes cepat: jika Anda tidak bisa memilih satu kata pun di penampil PDF, gunakan PDF OCR, yang mengenali huruf-hurufnya dan juga memberi Anda file teks.
Kenapa teks di sebagian PDF tidak bisa disalin
Menyalin dari penampil PDF sering memutus baris di tengah kalimat, mencampur kolom, atau ikut mengambil header dan nomor halaman. Sebagian PDF memblokir penyalinan dengan kata sandi izin; file seperti itu bisa dibuka dulu dengan Buka Kunci PDF. Di beberapa file, huruf digambar dengan font tanpa peta karakter yang benar, sehingga teks yang diambil terlihat seperti karakter acak; menjalankan OCR pada file seperti itu menghasilkan teks yang bisa dibaca.
Cara kerjanya
Teks diambil dengan MuPDF, mesin PDF yang berjalan di browser Anda. MuPDF membaca karakter yang tersimpan di setiap halaman beserta posisinya, menyusunnya sesuai urutan baca, lalu menuliskannya sebagai teks biasa. Pertama kali, mesinnya (sekitar 39 MB) diunduh dan disimpan oleh browser Anda. File Anda tidak pernah dikirim ke mana pun.
Untuk apa orang memakainya, dan kapan alat ini tidak berfungsi
Mencari dan mengutip laporan panjang, mengumpulkan teks untuk riset atau catatan, menempelkan kontrak ke email, memasukkan dokumen ke alat terjemahan atau AI, dan menyimpan arsip teks biasa.
- Format tidak dipertahankan: tanpa huruf tebal, tabel, atau gambar. Untuk itu, gunakan PDF ke Word.
- Hasil scan tidak menghasilkan teks tanpa OCR.
- Tata letak yang rumit seperti tabel dan halaman berkolom banyak bisa keluar dengan urutan yang tidak terduga.