为 PDF 发布与交付而做
PDF 文本提取
提取 PDF 中已有的文本并保留页码边界。找出没有可提取文本的页面,再决定是否使用 OCR。
在当前浏览器中处理,无需上传文件或注册。
将 PDF 拖到这里
最多 10 份 · 每份 20 MB · 合计 100 MB
虚构示例文件,使用同一个 PDF 解析器检查。
选择自己的文件,或先试用示例。
这个工具能帮你做什么
- 适用场景
- 需要复用 PDF 已有文字,或先判断能否提取文本时。
- 你会得到
- 按页分组的可提取文字,以及保存在本地的 TXT 文件。
- 仍需确认
- 纯图片页面需要另外使用 OCR;提取的文字顺序也可能需要修正。
检查方法
这是发布前的检查,不是 WCAG 或 PDF/UA 认证。检测到标签或标题,并不证明其内容正确。
每份文件最多 20 MB,每批最多 10 份且总计 100 MB。每份检查至多 200 页,每批至多 600 页。文本上限为每页 10 万字元、每份 200 万字元;部分结果会明确标记。
检查方法这个工具的常见问题
扫描 PDF 为什么提取不出文字?
扫描件可能只有页面图片,没有文本层。此工具只提取已有文字。请另行进行 OCR,检查识别准确性后,再提取新文件的文本。
提取文本能保留表格和阅读顺序吗?
输出按页分隔的文字,不重建表格单元格,也不保证视觉或辅助技术的阅读顺序。分栏、表格和特殊字符需要对照原件检查。
弄清楚下一步怎么做
继续处理文档
你可以复现的检查结果
下载这些虚构示例 PDF,在上方工具中运行。下面的结果由工具所用的同一个 PDF 解析器生成,你可以自行核对。
原版讲义会产生下面按页分开的文本。无文本层示例的文本字符数为零;这个工具不做 OCR,复用前请对照原件核对。
| 页数 | 提取的文本 |
|---|---|
| 1 | Fictional workshop handout Session starts at 09:30. Bring a notebook. |
| 2 | Materials checklist Notebook and pencil. |
示例 PDF
全部工具
在你的网站引用这个工具
选中并复制 HTML,可放入相关资源页或 README。链接打开空白工作区,不会分享文件或结果。署名并非使用条件。