แยกข้อความจาก PDF

เครื่องมือนี้ใช้ pdf.js เพื่อแยกวิเคราะห์ไฟล์ PDF ของคุณและแยกเนื้อหาข้อความจากแต่ละหน้า อ่านเลเยอร์ข้อความที่ฝังอยู่ใน PDF โดยรักษาลำดับการอ่าน ข้อความที่แยกได้สามารถคัดลอกหรือดาวน์โหลดเป็นไฟล์ข้อความธรรมดาหรือ Markdown

PDF บางไฟล์ใช้แบบอักษรที่กำหนดเองด้วยการเข้ารหัสไม่มาตรฐาน หรือมีข้อความเป็นรูปภาพ (เอกสารสแกน) การแยกข้อความทำงานเฉพาะกับ PDF ที่เป็นข้อความเท่านั้น PDF ที่สแกนต้องใช้ OCR ซึ่งเครื่องมือนี้ไม่รองรับ

ใช่ การประมวลผลทั้งหมดเกิดขึ้นในเบราว์เซอร์ของคุณโดยสมบูรณ์ ไฟล์ PDF ของคุณไม่เคยอัปโหลดไปยังเซิร์ฟเวอร์ใดๆ การแยกข้อความทำงานในเครื่องโดยใช้ไลบรารี JavaScript

ใช่ คุณสามารถเลือกแยกข้อความจากทุกหน้าหรือระบุช่วงหน้า (เช่น 1-3, 5, 7-10) คุณยังสามารถเลือกรูปแบบผลลัพธ์ข้อความธรรมดาหรือ Markdown และสลับการแสดงหมายเลขหน้า

ข้อความธรรมดาจะส่งออกข้อความที่แยกมาโดยไม่มีการจัดรูปแบบ ผลลัพธ์ Markdown รักษาโครงสร้างพื้นฐานเช่นหัวข้อ รายการ และการขึ้นบรรทัดใหม่โดยใช้ไวยากรณ์ Markdown ทำให้นำไปใช้ซ้ำในเอกสารหรือบันทึกได้ง่าย

ไม่ได้ PDF ที่สแกนมีรูปภาพของข้อความแทนที่จะเป็นอักขระข้อความจริง เครื่องมือนี้แยกข้อความจาก PDF ดิจิทัลที่มีเลเยอร์ข้อความเท่านั้น สำหรับเอกสารที่สแกน คุณต้องใช้เครื่องมือ OCR

เนื่องจากการประมวลผลเกิดขึ้นในเบราว์เซอร์ของคุณ ขีดจำกัดขึ้นอยู่กับหน่วยความจำของอุปกรณ์ PDF ขนาดใหญ่ที่มีหน้าหลายร้อยหน้าอาจใช้เวลานานกว่า เพื่อผลลัพธ์ที่ดีที่สุด ให้แบ่งไฟล์ขนาดใหญ่เป็นส่วนย่อย

หาก PDF มีรหัสผ่านเปิด คุณต้องปลดล็อกก่อน หากมีเฉพาะรหัสผ่านสิทธิ์ การแยกข้อความอาจยังทำงานได้ เครื่องมือนี้ไม่ลบรหัสผ่าน PDF

การจัดรูปแบบพื้นฐานเช่นการขึ้นบรรทัดใหม่และระยะย่อหน้าถูกรักษาไว้ อย่างไรก็ตาม เลย์เอาต์ที่ซับซ้อน ตาราง และข้อความหลายคอลัมน์อาจไม่ถูกรักษาไว้อย่างสมบูรณ์ ตัวเลือก Markdown ช่วยรักษาองค์ประกอบโครงสร้าง

เมื่อโหลดหน้าแล้ว ฟังก์ชันการแยกข้อความหลักทำงานแบบออฟไลน์เนื่องจากการประมวลผลทั้งหมดทำในเบราว์เซอร์ของคุณ อย่างไรก็ตาม คุณต้องมีการเชื่อมต่ออินเทอร์เน็ตเพื่อโหลดเครื่องมือในครั้งแรก