使用步骤
- 选择或拖入 PDF 文件。
- 等待逐页读取完成，文字显示在下方。
- 句子被换行拆开时，勾选「合并被换行拆开的句子」。
- 复制文字或下载为 TXT 文件。
参数说明
- 标出分页
- 在每页前加一行「--- 第 N 页 ---」，方便找到文字的出处。
- 合并被换行拆开的句子
- PDF 按排版逐行存储文字。开启后同一段落内的行会被合并，中文之间不加空格；空行、列表项和以句号结尾的行保持不变。
「合并被换行拆开的句子」做了什么
PDF 把文字存成印刷出来的一行行，所以一个段落会以好几个短行的形式出来。下面是提取出来的一页：
Revenue grew steadily dur-
ing the year, driven by
new customers.
- First item
- Second item打开「合并被换行拆开的句子」，并保持「标出分页」开启，结果是：
--- 第 1 页 ---
Revenue grew steadily during the year, driven by new customers.
- First item
- Second item遇到以下情况，一行不会与上一行合并：上一行以句号、!、?、冒号、分号或右引号、右括号结尾；这一行以列表项的形式开头；两行之间有空行。行尾的连字符只有在它跟在字母后面、且下一行以小写字母开头时才会被去掉，所以像 well-known 这样恰好在连字符处换行的真正带连字符的单词，也会丢掉连字符。中文、日文、韩文字符之间不会加空格。
常见问题
为什么提取不到文字？
扫描件或用图片生成的 PDF 里保存的是文字的图片，需要 OCR 识别，本工具不支持。
为什么文字顺序不对？
文字按文件中的存储顺序提取。多栏排版、表格和文本框有时不是按阅读顺序存储的。
支持中文 PDF 吗？
支持，已内置中日韩字体的字符映射表，中文 PDF 可以正确提取。
隐私说明
本工具完全在浏览器中运行，文件和文本都在你的设备上处理，不会上传到我们的服务器。