使用步驟
- 選擇或拖入 PDF 檔案。
- 等待逐頁讀取完成，文字顯示在下方。
- 句子被換行拆開時，勾選「合併被換行拆開的句子」。
- 複製文字或下載為 TXT 檔案。
引數說明
- 標出分頁
- 在每頁前加一行「--- 第 N 頁 ---」，方便找到文字的出處。
- 合併被換行拆開的句子
- PDF 按排版逐行儲存文字。開啟後同一段落內的行會被合併，中文之間不加空格；空行、列表項和以句號結尾的行保持不變。
「合併被換行拆開的句子」做了什麼
PDF 把文字存成印刷出來的一行行，所以一個段落會以好幾個短行的形式出來。下面是提取出來的一頁：
Revenue grew steadily dur-
ing the year, driven by
new customers.
- First item
- Second item開啟「合併被換行拆開的句子」，並保持「標出分頁」開啟，結果是：
--- 第 1 頁 ---
Revenue grew steadily during the year, driven by new customers.
- First item
- Second item遇到以下情況，一行不會與上一行合併：上一行以句號、!、?、冒號、分號或右引號、右括號結尾；這一行以列表項的形式開頭；兩行之間有空行。行尾的連字元只有在它跟在字母后面、且下一行以小寫字母開頭時才會被去掉，所以像 well-known 這樣恰好在連字元處換行的真正帶連字元的單詞，也會丟掉連字元。中文、日文、韓文字元之間不會加空格。
常見問題
為什麼提取不到文字？
掃描件或用圖片生成的 PDF 裡儲存的是文字的圖片，需要 OCR 辨識，本工具不支援。
為什麼文字順序不對？
文字按檔案中的儲存順序提取。多欄排版、表格和文字框有時不是按閱讀順序儲存的。
支援中文 PDF 嗎？
支援，已內建中日韓字型的字元對映表，中文 PDF 可以正確提取。
隱私說明
本工具完全在瀏覽器中執行，檔案和文字都在你的裝置上處理，不會上傳到我們的伺服器。