Cara menggunakan
- Pilih PDF atau letakkan file-nya di sini.
- Tunggu sementara setiap halaman dibaca; teksnya muncul di bawah.
- Aktifkan "Gabungkan baris yang terpotong menjadi paragraf" jika kalimat terputus di beberapa baris.
- Salin teksnya atau unduh sebagai file .txt.
Penjelasan opsi
- Tandai pergantian halaman
- Menambahkan baris "--- Halaman N ---" sebelum setiap halaman agar Anda tahu dari mana teks berasal.
- Gabungkan baris yang terpotong menjadi paragraf
- PDF menyimpan setiap baris cetak secara terpisah. Opsi ini menyambung baris dalam satu paragraf, menghapus tanda hubung di akhir baris, dan membiarkan baris kosong, butir daftar, serta baris yang diakhiri titik tetap seperti aslinya.
Yang dilakukan “Gabungkan baris yang terpotong menjadi paragraf”
PDF menyimpan teks sebagai baris tercetak, sehingga satu paragraf tiba sebagai beberapa baris pendek. Berikut halaman seperti saat diekstrak:
Revenue grew steadily dur-
ing the year, driven by
new customers.
- First item
- Second item
Dengan Gabungkan baris yang terpotong menjadi paragraf aktif, dan Tandai pergantian halaman dibiarkan aktif, hasilnya adalah:
--- Halaman 1 ---
Revenue grew steadily during the year, driven by new customers.
- First item
- Second item
Sebuah baris tidak digabung dengan baris di atasnya bila baris itu berakhir dengan titik, !, ?, titik dua, titik koma, atau tanda kutip atau kurung penutup, bila baris itu dimulai seperti butir daftar, atau bila ada baris kosong di antara keduanya. Tanda hubung di akhir baris dihapus bila mengikuti huruf dan baris berikutnya diawali huruf kecil, sehingga kata bertanda hubung asli yang kebetulan terpotong di tanda hubungnya, seperti well-known, kehilangan tanda hubungnya. Tidak ada spasi yang ditambahkan di antara karakter Tionghoa, Jepang, atau Korea.
Pertanyaan yang sering diajukan
Mengapa tidak ada teks yang ditemukan?
Dokumen hasil pindaian dan foto yang disimpan sebagai PDF berisi gambar teks, bukan teks. Dokumen seperti itu memerlukan pengenalan karakter optik (OCR), yang tidak dilakukan alat ini.
Mengapa urutan teksnya salah?
Teks diekstrak sesuai urutan penyimpanannya di file. Tata letak multi-kolom, tabel, dan kotak teks kadang disimpan tidak sesuai urutan baca.
Apakah bisa untuk bahasa Mandarin, Jepang, dan bahasa lain?
Ya. Peta karakter untuk font CJK sudah disertakan, sehingga teks dari PDF berbahasa Mandarin, Jepang, dan Korea keluar dengan benar.
Privasi
Alat ini berjalan sepenuhnya di browser Anda. File dan teks Anda diproses di perangkat Anda dan tidak pernah diunggah ke server kami.