如何使用 PDF 转文本
- 1. 选择 PDF点击“选择 PDF 文件”，或把一个或多个 PDF 拖到框里。
- 2. 选择版式，点击“转换”选择“保留分页”或“纯文本”，然后点击“转换”。
- 3. 下载下载 TXT 文件。转换了多个 PDF 时，可以用“全部下载（.zip）”。
关于 PDF 和 TXT
用文字处理软件、浏览器或设计软件生成的 PDF，大多带有文字层，里面是真正的字符。这个工具读取文字层，把字符保存到 .txt 文件中。
TXT 文件只有字符和换行。没有字体、颜色和图片，任何文本编辑器都能打开。
| TXT | ||
|---|---|---|
| 存放内容 | 文字、字体、图片、精确版面 | 字符和换行 |
| 能否编辑 | 没有专门软件很难编辑 | 任何文本编辑器都可以 |
| 格式 | 完全保留 | 没有 |
| 用什么打开 | PDF 阅读器和浏览器 | 记事本、文本编辑以及任何编辑器 |
扫描版 PDF
在 PDF 阅读器中试着选中一句话。如果文字能被高亮，说明 PDF 有文字层，可以提取。
如果什么都选不中，这一页就是扫描图片。扫描件需要 OCR 文字识别，FileToaster 目前还不提供。你可以把页面保存为图片，再用 iPhone 和 Mac 的实况文本，或安卓手机上的 Google 智能镜头复制文字。
版式
- “保留分页”是默认选项。页与页之间保留分隔，可以看出某段文字来自哪一页。
- “纯文本”输出一整段连续的文字，没有分页标记。
提取结果
- 表格会变成用空格分隔的文字行。
- 有分栏、侧边栏或图注的页面，文字顺序可能和预期不同。
- 页眉、页脚和页码会留在文字中。
- 粗体、斜体、链接和图片都会去掉。
- 有些 PDF 嵌入的字体没有字符映射表，提取出的文字会是乱码。用原来的软件重新保存一次文件，通常就能解决。
隐私
文字在你的浏览器中提取，PDF 不会上传。工作原理页面说明了如何自己验证这一点。
常见问题
怎样只提取 PDF 的文字，不要格式？
选择“纯文本”，然后点击“转换”。得到的 .txt 文件只有文字和换行。
能从扫描版 PDF 中提取文字吗？
不能。扫描的页面没有文字层，需要 OCR 文字识别，这个工具目前还不提供。提取结果会是空的，或者几乎是空的。
PDF 转 TXT 和 PDF 转文本一样吗？
一样。结果是扩展名为 .txt 的纯文本文件，可以用记事本、文本编辑或其他任何编辑器打开。
为什么文字顺序是乱的？
PDF 只记录文字在页面上的位置，不记录阅读顺序。分栏和表格的内容可能会打乱，需要手动整理。
可以一次从多个 PDF 中提取文字吗？
可以。每个 PDF 生成各自的 .txt 文件，“全部下载（.zip）”会把它们一起保存。