PDF 转文本
从 PDF 文件中提取所有文本内容，并保存为纯 .txt 文件。支持批量处理：上传多个 PDF，一次操作即可提取每个文件的文本。由 PyMuPDF 提供支持。
使用方法
- 点击拖放区域或将文件拖到其上以上传一个或多个 PDF。使用“添加更多”和“清除”按钮管理文件列表。
- 点击 提取 开始处理。
- 单个文件会下载为
filename.txt。多个文件会生成pdf-to-text.zip压缩包。
选项
此工具没有可配置的选项。会按阅读顺序提取每一页的所有文本内容。
输出格式
- 单个文件：
filename.txt - 多个文件：
pdf-to-text.zip，每个输入 PDF 对应一个.txt。
使用场景
- 从 PDF 报告中提取正文，用于全文搜索索引。
- 将 PDF 电子书或文章转换为纯文本，以便在电子墨水设备上阅读。
- 从合同或法律文件中提取文本，用于关键词分析。
- 去除 PDF 的格式，获得干净的文本，供数据处理脚本使用。
- 从 PDF 档案中准备用于自然语言处理的文本语料库。
小技巧
- 扫描的 PDF（仅有图像）会生成空的文本文件，因为没有可提取的文本层。请先对扫描文档进行 OCR。
- 输出保留 PyMuPDF 所解读的阅读顺序，通常是从左到右、从上到下。多栏布局可能会生成交错的文本。
- 如需带有标题和格式的结构化输出，请尝试 PDF 转 Markdown。如需适用于 AI 的结构化 JSON，请使用 为 AI 准备 PDF。