研究
重复使用数字报告
无需再次进行识别即可提取现有文字。
一个实用的 PDF 任务，化繁为简
PDF 转文本.
提取 PDF 文本层中已有的文字。查看内容并保存为一个文本文件或单独的页面文件；如果页面仅为图像，请改用 PDF OCR。
广告
原始 PDF
无法预览此页面。请尝试其他页面或重新打开文件。
提取的文本
未找到可选文本。对于扫描页面或图像，请使用 PDF OCR 来识别文本。
在 PDF OCR 中继续在此视图中显示前 200 KB。复制和下载功能包含完整文本。
使用页面控件来检查您的文档。
100%
文件已就绪。
下载您的结果，或返回设置以制作其他版本。
广告
您的 PDF 将被上传一次以进行安全的文本提取。预览和下载将重复使用该结果。
PDF
广告
如何使用 PDF 转文本
- 01
选择您的文档
您的 PDF 将被上传一次以进行安全的文本提取。预览和下载将重复使用该结果。
- 02
设置结果
将您的 PDF 与其提取的文本进行比较，选择页面，然后下载一个文本文件或 ZIP 格式的独立文件。
- 03
下载您的文件
保存结果并在共享前进行检查。
在选择 OCR 之前提取现有的 PDF 文本
提取 PDF 文本层中已有的文字。查看内容并保存为一个文本文件或单独的页面文件；如果页面仅为图像，请改用 PDF OCR。
快速视频教程
如何在不运行 OCR 的情况下提取现有的 PDF 文本
将可用的 PDF 文本层移动到可编辑的纯文本中。
英语旁白 · 提供翻译字幕
观看视频
使用此工具的实用方法
办公
从选定页面收集文本
仅导出编辑或审阅所需的章节。
档案
检查现有的 OCR 层
将存储的文字与可见的扫描记录进行对比。
功能与控件
读取文件中已有的文本
当存在可用的文本层时，避免进行新的识别操作。
识别合适的 PDF
数字 PDF 和之前识别过的扫描件可以在页面视图后包含实际文本。此工具提取存储的文本，而不是再次读取页面像素。
PDF 可能看起来很清晰，但实际上只包含图像。如果没有找到可用的文本，请改用 PDF OCR 进行识别。
选择您需要的页面
将导出的内容限制在文档中有用的部分。
审慎使用页面范围
保留整个文档的页面选择，或输入导出所需的页面。在依赖打印的页码标签之前，请先检查源页码。
选择子集会影响输出，但完整源文件仍需满足输入限制。
保留一个文本文件或分开的页面文件
选择合并的 TXT 下载，或选择 ZIP 以进行逐页处理。
选择导出结构
一个文本文件便于搜索或编辑连续文档。页面分隔符用于区分合并文本中的源页面。
单独文件选项包含每个选定页面的文本文件以及 ZIP 内的合并文本文件，这在页面引用很重要时非常有用。
检查提取的顺序
在重新使用前检查列、连字符和不常见的字符。
了解纯文本限制
PDF 存储的是绘图位置，不一定是完美的段落顺序。表格、列和不寻常的字体映射可能会导致文本需要重新排列或校对。
提取操作不会验证现有的 OCR 层。即使无需进行新的识别，也请将重要的名称、数字和日期与可见的源文件进行核对。
支持的文件与处理
- 输入
- 输出
- TXT / ZIP
打开一个 PDF，大小不超过 100 MB，源页数不超过 750 页。即使您仅导出部分页面，完整的源文件也必须符合这些限制。大型或复杂文件可能会更早达到浏览器内存或处理限制。
PDF 预览显示在您的浏览器中。开始操作会将文档和所选设置发送到服务器进行处理。文件处理方式请参阅隐私政策。
广告
常见问题解答
一些有用的解答
在开始之前了解预期效果。
临时服务器处理“PDF 转文本”会运行 OCR 吗？
不会。它会提取 PDF 中已存储的文本。仅包含图像的页面需要 PDF OCR。
为什么文本顺序与页面上的不同？
PDF 文本可能以定位片段的形式存储。列、表格、脚注和不寻常的字体映射可能会产生需要以纯文本形式进行检查的顺序。
“分离文件 ZIP”里有什么？
它包含每个选定页面的文本文件以及一个合并后的文本文件。这些文件使用 UTF-8 编码。
提取功能可以修复旧 OCR 层中的错误吗？
不能。现有的文本错误可能会被复制到导出文件中。请将重要的措辞与可见的源文件进行比较，并在重复使用前进行更正。
