Ambil teks dari PDF

Pilih file PDF

atau seret dan lepas di sini

Fakta singkat

Fungsinya
Mengambil lapisan teks dari PDF dan mengembalikannya sebagai file teks biasa.
Masukan
PDF
Hasil
TXT
Pemrosesan
Di browser Anda
File diunggah?
Tidak
Perlu akun?
Tidak
Paling cocok untuk
Mengambil kata-kata dari laporan untuk dikutip, dicari, atau ditempel di tempat lain.
Batasan utama
Alat ini membaca teks yang sudah tersimpan di file. PDF hasil pindaian yang hanya berisi gambar halaman tidak punya lapisan teks, dan alat ini tidak bisa membuatnya — itu memerlukan OCR.
Privat: diproses di perangkat AndaFile Anda tidak pernah meninggalkan browser Anda.

Cara menggunakan alat ini

  1. Unggah PDF Anda.
  2. Pilih apakah pemisah halaman dan penanda halaman dipertahankan.
  3. Lihat pratinjau teks yang diambil.
  4. Unduh sebagai file .txt, atau salin.

Mengapa memakai iBuildPDF

Menyalin teks dari PDF secara manual menghasilkan akhir baris yang terputus, spasi yang hilang, dan paragraf yang berantakan. Membaca lapisan teks dengan benar memberi Anda sesuatu yang benar-benar bisa dikerjakan.

Cara kerjanya

Lapisan teks setiap halaman dibaca langsung, dengan posisi kata dan baris dipakai untuk membangun ulang spasi dan baris baru. Tidak ada yang diketik ulang atau ditebak — jika dokumen punya lapisan teks, inilah isinya.

Pertanyaan yang sering diajukan

Tidak ada yang keluar — mengapa?

PDF Anda hampir pasti hasil pindaian: gambar sebuah halaman tanpa lapisan teks sama sekali. Tidak ada yang bisa diambil sampai halaman itu melewati pengenalan teks. Itulah yang dilakukan OCR, dan itu alat yang berbeda.

Apakah tata letaknya dipertahankan?

Urutan baca, paragraf, dan baris baru dipertahankan. Kolom, tabel, dan gaya tidak — teks biasa tidak punya cara untuk menyatakannya. Untuk tata letak, konversi yang tepat adalah PDF ke Word.

Mengapa mengambil teks dari hasil pindaian saya tidak menghasilkan apa-apa?

Karena memang tidak ada teks di dalamnya untuk diambil. Halaman hasil pindaian atau foto yang disimpan sebagai PDF adalah gambar, dan pengambilan membaca objek teks sungguhan, bukan mengenali huruf dalam gambar. Mengubah gambar berisi kata-kata menjadi teks sungguhan memerlukan OCR, yang di sini merupakan alat terpisah: proses file itu dengan OCR PDF terlebih dahulu, lalu alat ini akan menemukan teksnya. File Anda tidak rusak — file itu hanya belum punya lapisan teks.

Apakah teks yang diambil mempertahankan tata letak aslinya?

Tidak secara andal, dan hal ini sering mengecoh orang. PDF menempatkan teks berdasarkan koordinat, bukan menyimpan paragraf, kolom, atau tabel sebagai struktur, jadi pengambilan harus menebak urutan baca dari posisinya. Tata letak dua kolom bisa saling bersilang, dan sel tabel bisa menyatu dalam satu baris. Pengambilan adalah alat yang tepat untuk mendapatkan kata-katanya; bukan alat yang tepat untuk mempertahankan tampilan halaman.

Bagaimana saya tahu PDF saya berisi teks sungguhan?

Buka di pembaca PDF mana pun dan coba pilih beberapa kata dengan kursor. Jika huruf-hurufnya tersorot satu per satu dan bisa disalin, teksnya sungguhan dan pengambilan akan berhasil. Jika menyeret memilih seluruh halaman sebagai satu blok, atau tidak ada yang tersorot sama sekali, itu gambar dan Anda sedang melihat hasil pindaian — tidak ada alat pengambilan yang akan menemukan teks di dalamnya tanpa OCR terlebih dahulu.

Baca lebih lanjut tentang ini