把 PDF 转成文字,您只得到文字本身,没有排版、字体和图片,存为到处都能打开的 .txt 文件。这是搜索长文档、引用其中内容或导入其他程序最快的方法。在这里,转换在浏览器中进行,文档从不上传。
从多个 PDF 中提取文字
添加一整个文件夹的报告、文章或账单都可以。每个 PDF 生成一个同名的 .txt 文件,一起保存在一个 ZIP 中。文字按每页的阅读顺序逐页排列,采用 UTF-8 编码,所以带重音的字母和非拉丁文字都能正确显示。
扫描版 PDF 需要 OCR
本工具读取的是 PDF 中存储的文字。扫描件或存成 PDF 的照片里只有文字的图像,所以结果是空的。快速测试:如果在 PDF 阅读器中选不中任何一个词,请用PDF OCR 文字识别,它能识别出文字,也会给您一个文本文件。
为什么有些 PDF 复制不了文字
从 PDF 阅读器中复制文字,经常会在句子中间断行、把几栏混在一起,或者连页眉和页码也一起复制。有些 PDF 用权限密码禁止复制,可以先用解锁 PDF打开。还有少数文件的文字用没有正确字符映射的字体绘制,提取出来的是乱码;对这样的文件做 OCR 就能得到可读的文字。
工作原理
文字由在浏览器中运行的 PDF 引擎 MuPDF 提取。它读取每页中存储的字符及其位置,按阅读顺序排列,写成纯文本。第一次使用时,引擎(约 39 MB)会下载并保存在浏览器中。您的文件不会发送到任何地方。
常见用途,以及不适用的情况
搜索和引用长篇报告、为研究或笔记收集文字、把合同粘贴到邮件中、把文档导入翻译或 AI 工具,以及保存纯文本档案。
- 不保留格式:没有粗体、表格和图片。需要这些,请用PDF 转 Word。
- 扫描件不做 OCR 就提取不出文字。
- 复杂的版式,例如表格和多栏页面,输出的顺序可能出乎意料。