PDF转文字 — 在线提取PDF中的文本
在浏览器中按页提取PDF文字，方便复制或保存为TXT
在浏览器中处理 · 不上传任何内容
把要提取文字的 PDF 拖到这里
请添加一个 PDF（最大 100 MB）。添加新文件会替换当前文件。文件不会离开你的浏览器。
功能简介
把 PDF 里的文字转换成纯文本。适合把报告搬到文本编辑器里、引用论文的一部分，或在长合同里搜索某句话。可以逐页展开复制，也可以一次复制全部，或下载 TXT 文件。如果因为字体问题出现乱码，或扫描件根本没有文字，页面会说明原因和解决办法。所有处理都在浏览器中完成。
使用方法
- 把一个 PDF 拖到虚线区域，或点击 选择 PDF。
- 只需要部分页面时，在 页面范围 中输入
1-3, 5这样的范围。留空表示全部页面。 - 选择是否在页面之间加上
--- 第 1 页 ---这样的分隔线。 - 点击 提取文字，得到全文和每页的文字。文件很长时，可以点 停止 提前结束，已读取的内容会保留。
- 复制全部、复制某一页，或下载 TXT 文件。
工作原理
- 提取：把 PDF.js 读取到的文字片段按保存顺序拼接。遇到行尾标记，或基线移动超过半行时换行；同一行上明显分开的片段之间加空格。去掉行尾空格，多个空行合并为一行。
- 乱码提示：当替换字符（�）、私用区字符或控制字符至少有 3 个，且占可见字符的 2% 以上时显示。
- 没有文字的页面：列出页码；如果所有页面都没有文字，就视为扫描件并建议使用 OCR。
- TXT 文件：带 BOM 的 UTF-8，Windows 换行符（CRLF），即使用旧版记事本打开，中文、韩文和表情符号也能正常显示。
- 限制：文件最大 100 MB。不支持 OCR。
- 使用的库：PDF.js（Apache-2.0）。中文、日文、韩文字体的字符映射表由本站提供，只在需要时加载。
示例
| 文件 | 结果 |
|---|---|
| 从 Word 导出的报告 | 段落和换行与原文一致 |
| 双栏论文 | 通常先左栏后右栏；表格单元格可能连在一起 |
| 扫描的收据 | 显示“没有找到文字”并给出 OCR 建议 |
| 字体缺少 Unicode 映射的 PDF | 显示乱码提示和解决办法 |
要提取 PDF 中的照片，请用“提取PDF图片”；想保留整页外观，请用“PDF转JPG”。
常见问题
我的PDF会被上传吗？
不会。提取只在你的浏览器中进行，文件不会上传。文字只存在于本页面和你下载的 TXT 文件中。
提取出来的文字是乱码，为什么？
如果 PDF 嵌入的字体没有 Unicode 映射表，文字在屏幕上能显示，但作为文本读取时会变成空白或奇怪的符号。这类字符较多时，工具会提醒你。解决办法是用原程序重新导出 PDF，或使用文字识别（OCR）。
为什么扫描的PDF什么也提取不出来？
扫描或拍照生成的 PDF 每一页都是图片，没有可提取的文本，而本工具不做 OCR。完全找不到文字时会告诉你；请先用带文字识别功能的软件或扫描 App 处理文件。
换行和顺序与原文一样吗？
文字按 PDF 中保存的顺序输出，并在行尾标记处和基线跳动处换行。大多数文档能按阅读顺序输出，但多栏排版、表格和文本框可能会顺序混乱或连在一起。
受保护的PDF能用吗？
打开时需要密码的 PDF 暂不支持。不需要密码就能打开、只限制打印或编辑的 PDF 可以打开并读取文字。文档的使用条款请自行确认。
