Filespry

Ekstrak teks dari PDF

Ambil teks dari PDF agar bisa disalin, dicari, atau dipakai ulang. Alat ini berjalan di peramban dan file Anda tidak diunggah. Alat ini hanya membaca teks asli: PDF hasil pindaian tidak didukung karena tidak ada OCR.

File Anda diproses di peramban dan tidak diunggah.

Cara menggunakan

  1. Pilih PDF Anda, atau seret ke kotak yang tersedia.
  2. Centang opsi yang Anda inginkan: hapus header berulang, gabungkan kata yang terpotong, tandai nomor halaman.
  3. Tekan Ekstrak teks dan tunggu sampai halaman selesai dibaca.
  4. Salin teksnya atau unduh sebagai file .txt. Anda bisa mengeditnya dulu di kotak teks.

Yang perlu diharapkan saat mengekstrak teks dari PDF

Banyak PDF menyimpan teksnya sebagai karakter asli beserta posisinya di halaman. Ekstraksi membaca karakter-karakter itu dan menyusun ulang baris dan paragraf dari jaraknya. Cara ini bekerja baik untuk laporan, artikel, dan kontrak yang diekspor dari pengolah kata, tetapi buruk untuk hasil pindaian yang hanya berisi gambar.

Karena PDF tidak memiliki struktur paragraf yang sebenarnya, alat ini menebak. Baris yang berdekatan digabung dan paragraf baru dimulai saat jaraknya lebih besar. Daftar berpoin tetap berada di baris terpisah. Kolom dan tabel adalah titik lemahnya, karena halaman dibaca baris demi baris sepanjang lebarnya.

Setelah mengekstrak, periksa hasilnya untuk mencari pemenggalan yang janggal dan perbaiki di kotak teks, yang juga menampilkan jumlah kata dan karakter. Jika file memiliki header atau nomor halaman di setiap halaman, biarkan opsi pembersihan menyala. Untuk hasil pindaian, gunakan program dengan OCR, lalu bawa PDF yang sudah dikenali itu kembali ke sini bila perlu. Periksa juga angka dan nama di bagian penting sebelum dipakai.

Pertanyaan yang sering diajukan

Mengapa muncul pesan bahwa tidak ada teks?

PDF tersebut kemungkinan hasil pindaian atau kumpulan halaman yang difoto. File seperti itu berisi gambar huruf, bukan teks asli, dan alat ini tidak memiliki OCR (pengenalan teks), sehingga tidak ada yang bisa diekstrak. PDF yang diekspor dari pengolah kata biasanya berfungsi dengan baik.

Mengapa urutan teks saya acak?

Alat ini membaca teks sesuai urutan penempatannya di halaman. Pada dokumen dengan beberapa kolom, tabel, kotak samping, atau kotak teks, baris dari area berbeda bisa saling bercampur. Dokumen pendek dengan satu kolom menghasilkan hasil terbaik. Sisanya bisa diperbaiki di kotak yang dapat diedit.

Apa fungsi opsi pembersihan?

Menghapus header dan footer berulang membuang baris yang muncul di atas atau bawah setidaknya setengah dari halaman, seperti judul dan nomor halaman. Menggabungkan kata yang terpotong menyambung kata yang dipisah tanda hubung di akhir baris. Menandai halaman menambahkan label sebelum tiap halaman.

Apakah PDF saya diunggah ke server?

Tidak. Teks diekstrak di peramban Anda dan file tidak pernah meninggalkan perangkat. PDF yang dilindungi kata sandi tidak dapat dibuka di sini, dan dokumen yang sangat panjang bergantung pada memori perangkat Anda.

Alat terkait

  • PDF ke JPG

    Simpan halaman PDF sebagai JPG atau PNG

    Baru
  • Penghitung kata

    Hitung kata, karakter, kalimat, dan waktu baca

  • Edit PDF

    Tambahkan teks, gambar, bentuk, dan tanda tangan ke PDF

    Baru
  • Pisah PDF

    Potong PDF per rentang halaman atau per halaman