PDF إلى نص
يستخرج كل محتوى النص من ملفات PDF ويحفظه كملفات .txt عادية. يدعم المعالجة الجماعية: ارفع عدة ملفات PDF واستخرج نص كل منها في عملية واحدة. يعتمد على PyMuPDF.
طريقة العمل
- ارفع ملف PDF واحدًا أو أكثر بالنقر على منطقة الإفلات أو بسحب الملفات إليها. أدر قائمة ملفاتك بزري "إضافة المزيد من الملفات" و"مسح الملفات".
- انقر على استخراج النص لبدء المعالجة.
- يتم تنزيل الملف الواحد باسم
filename.txt. أما الملفات المتعددة فتنتج أرشيفpdf-to-text.zip.
الخيارات
لا تحتوي هذه الأداة على خيارات قابلة للضبط. يُستخرج كل محتوى النص من كل صفحة بترتيب القراءة.
صيغة الناتج
- ملف واحد:
filename.txt - عدة ملفات:
pdf-to-text.zipيحتوي على ملف.txtواحد لكل ملف PDF مدخل.
حالات الاستخدام
- استخراج نص المتن من تقارير PDF لفهرسة البحث في النص الكامل.
- تحويل كتب PDF الإلكترونية أو المقالات إلى نص عادي للقراءة على أجهزة الحبر الإلكتروني.
- سحب النص من العقود أو المستندات القانونية لتحليل الكلمات المفتاحية.
- إزالة التنسيق من ملفات PDF للحصول على نص نظيف لسكربتات معالجة البيانات.
- تجهيز مجموعة نصوص من أرشيفات PDF لمعالجة اللغات الطبيعية.
نصائح
- ستنتج ملفات PDF الممسوحة ضوئيًا (الصور فقط) ملفات نصية فارغة لعدم وجود طبقة نص للاستخراج. مرّر المستندات الممسوحة عبر OCR أولًا.
- يحافظ الناتج على ترتيب القراءة كما يفسره PyMuPDF، وهو يتبع عمومًا من اليسار إلى اليمين ومن الأعلى إلى الأسفل. قد تنتج التخطيطات متعددة الأعمدة نصًا متداخلًا.
- للحصول على ناتج منظم مع العناوين والتنسيق، جرّب PDF إلى Markdown. وللحصول على JSON منظم جاهز للذكاء الاصطناعي، استخدم تحضير PDF للذكاء الاصطناعي.