PDF 转文本 — 免费在线文本提取器

数字PDF是由软件生成的，因此它携带的是字符本身。扫描PDF是一堆由扫描仪或相机生成的页面图像，因此它根本不携带任何字符。这个区别决定了结果的一切。数字文件给你确切的文本。扫描文件必须被识别，识别在干净的扫描上非常好，而在歪斜、模糊或光线不足的扫描上则不太好。你通常可以通过在PDF阅读器中打开文件并尝试用鼠标选择一行文本来判断你拥有哪种类型的文件。如果选择高亮显示了单词，则表示存在文本层。

对于具有真实文本层的页面，是的。字符是从文件中读取的，而不是从图片中识别的，因此不会对它们进行OCR处理，也没有任何错误读取的可能。阅读顺序是唯一可能让你感到惊讶的事情，因为文本层存储的是每个字符串的位置，而不是它的意思，因此具有列或侧边栏的页面可能以与你的眼睛移动方式不匹配的顺序出现。单词本身就是文件中的单词。没有文本层的页面则会经过OCR处理，而这些页面的识别准确率是常规的。

每个PDF最多25页。较长的文件仍然被接受：提取前25页，结果通知你遗漏了多少页。这个限制是因为工作在你自己的硬件上运行，而较长的扫描文档意味着在你的浏览器标签中每页进行一次OCR处理。如果你需要其余部分，请在PDF阅读器中拆分文件，并将剩余页面作为第二个文件运行。

不可以。加密的PDF在没有密码的情况下无法打开，而此页面不会询问你密码或试图绕过保护。你会得到一个明确的错误，而不是空白结果。请在你通常使用的阅读器中打开文件，按照你通常的方式进行身份验证，保存一个去掉密码的副本，并通过这里运行该副本。

不会。文件是从你的磁盘读取到页面中，并由在你的浏览器中运行的PDF阅读器打开。此网站没有上传端点来接收它。这正是人们实际带到这样的工具中的文档的全部意义：银行对账单、工资单、税表、签署的合同和身份证的扫描。在运行期间观察网络标签，你会看到阅读器和OCR模型到达，而没有任何东西随你的文档离开。

OCR部分可以读取英语、西班牙语、罗马尼亚语、阿拉伯语、希腊语、土耳其语、印尼语、俄语和日语。在提取之前选择语言，因为引擎将形状与您选择的模型进行匹配，错误的模型读取效果差。已经具有文本层的页面完全忽略该设置，因为这些字符是按原样从文件中读取的，无论它们是用什么脚本写的。

可以。选择一个批次，文件将按顺序处理，而不是并行处理。每个结果在其文件完成后立即出现，因此你可以在其余文件仍在运行时开始阅读。拖放区域显示单次运行的限制。顺序处理使内存使用可预测，这在手机上尤其重要。

不能。输出是纯文本，因此表格以其单元格内容返回，而不是网格，标题、脚注和说明没有被标记为任何东西。阅读顺序也可能与视觉布局不同，因为位置是文件存储的内容，而意义则不是。直白的散文几乎总是按正确的顺序传递。具有侧边栏、多个列或填写表单的页面是你在依赖输出之前应该阅读的地方。

不能，我们宁愿在这里说清楚，而不是让你在重要文件上发现这一点。OCR引擎是针对印刷字符训练的。手写、签名和手写表单字段超出了它的能力范围，从它们返回的内容是形状像文本的噪音。混合印刷和手写的扫描页面给你印刷部分和无意义的内容。

纯文本。通过一个按钮将其复制到剪贴板，或将其下载为.txt文件，页面分开并标记，以便你可以在长文档中找到自己的位置。没有文字处理器文件，没有可搜索的PDF，也没有格式被保留。如果你需要将单词放在其他地方，请将它们粘贴到文档、电子表格或翻译器中。

那是另一个方向，它在此网站上有自己的页面。JPG到PDF转换器将照片或扫描写入一个单一的PDF，在你的浏览器中，没有任何上传。当你有图片并需要文档时使用它。当你有文档并需要从中提取单词时使用此页面。

是的，免费，无需账户和使用计数器。没有注册，没有文本水印，没有积分，也没有付费层限制更好的版本。提取在你自己的硬件上运行，因此我们没有每个文件的服务器成本传递给你。