PDF ke Teks
Mengekstrak semua konten teks dari file PDF dan menyimpannya sebagai file .txt biasa. Mendukung pemrosesan massal: unggah beberapa PDF dan teks masing-masing diekstrak dalam satu operasi. Ditenagai PyMuPDF.
Cara Kerja
- Unggah satu atau beberapa PDF dengan mengklik zona lepas atau menyeret file ke dalamnya. Kelola daftar file dengan tombol Tambah File Lagi dan Hapus Semua.
- Klik Ekstrak untuk mulai memproses.
- Satu file diunduh sebagai
filename.txt. Beberapa file menghasilkan arsippdf-to-text.zip.
Opsi
Alat ini tidak memiliki opsi yang dapat diatur. Semua konten teks diekstrak dari setiap halaman sesuai urutan baca.
Format Hasil
- Satu file:
filename.txt - Beberapa file:
pdf-to-text.zipberisi satu.txtper PDF input.
Kasus Penggunaan
- Mengekstrak teks isi dari laporan PDF untuk pengindeksan pencarian teks lengkap.
- Mengonversi ebook atau artikel PDF ke teks biasa untuk dibaca di perangkat e-ink.
- Mengambil teks dari kontrak atau dokumen hukum untuk analisis kata kunci.
- Menghapus format dari PDF untuk mendapatkan teks bersih bagi skrip pemrosesan data.
- Menyiapkan korpus teks dari arsip PDF untuk pemrosesan bahasa alami.
Tips
- PDF hasil pindaian (hanya gambar) akan menghasilkan file teks kosong karena tidak ada lapisan teks untuk diekstrak. Jalankan dokumen pindaian melalui OCR terlebih dahulu.
- Hasilnya mempertahankan urutan baca sebagaimana ditafsirkan PyMuPDF, yang umumnya mengikuti kiri ke kanan, atas ke bawah. Tata letak multi-kolom dapat menghasilkan teks yang saling bercampur.
- Untuk hasil terstruktur dengan judul dan format, coba PDF ke Markdown. Untuk JSON terstruktur siap AI, gunakan Siapkan PDF untuk AI.