Cara menggunakan PDF ke teks
- 1
Buka PDF
Seret PDF berukuran hingga 50 MB ke kotak, atau klik untuk memilihnya. File yang dilindungi kata sandi akan meminta kata sandinya terlebih dahulu.
- 2
Pilih tata letak teks
Paragraf menghasilkan teks mengalir yang rapi untuk dibaca atau ditempel; Tata letak halaman mempertahankan setiap baris cetak dan menyejajarkan kolom tabel dengan spasi.
- 3
Pilih halaman dan OCR
Ekstrak semua halaman atau rentang seperti 2-5, 9. Aktifkan OCR dan pilih bahasanya jika sebagian halaman adalah hasil pindai tanpa lapisan teks.
- 4
Salin atau unduh
Tekan Ekstrak teks, periksa hasilnya di kotak, lalu salin ke papan klip atau simpan sebagai file .txt UTF-8.
Batas dan Pro
Satu PDF hingga 50 MB dan maksimal 200 halaman per ekstraksi, termasuk OCR.
Pro membuka PDF hingga 4 GB dan membaca hingga 5.000 halaman sekaligus. Lihat Pro
Tentang PDF ke teks
Alat ini membaca lapisan teks yang dimiliki sebagian besar PDF, yaitu karakter yang sama yang bisa Anda blok di aplikasi pembaca PDF, lalu menyusunnya kembali dalam urutan yang akan dibaca manusia. Jika disalin langsung dari aplikasi pembaca, dua kolom artikel sering tercampur baris demi baris, setiap kalimat terputus di akhir baris cetak, dan tanda hubung tertinggal di tengah kata. Di sini, halaman dipisahkan dulu menjadi kolom dan blok, baris yang terpotong digabung menjadi paragraf, kata yang dipenggal tanda hubung di antara dua baris disatukan kembali, poin dan nomor tetap berada di awal item daftar, dan tabel keluar sebagai baris dengan tab di antara sel, sehingga bisa ditempel ke spreadsheet. Nomor halaman yang berdiri sendiri di margin atas atau bawah tidak disertakan, begitu juga teks miring atau vertikal seperti tanda air “DRAFT” diagonal.
Mode Tata letak halaman bekerja sebaliknya: setiap baris tetap berada di tempat ia dicetak, dengan spasi untuk menjaga posisi kolom pada formulir, invoice, atau rekening koran.
Halaman hasil pindai tidak punya lapisan teks, hanya gambar kertasnya. Saat OCR diaktifkan, hanya halaman tersebut yang dibaca oleh mesin Tesseract di browser Anda, dalam salah satu dari 47 bahasa. Penggunaan umumnya antara lain mengutip laporan, memasukkan kontrak ke penerjemah atau penghitung kata, dan mengambil angka dari rekening koran. Font, warna, gambar, dan tautan tidak ikut dalam hasil; untuk itu, gunakan Ubah PDF ke Word.
Privasi
PDF.js mem-parsing dokumen di Web Worker pada perangkat Anda, dan worker kedua menyusun baris menjadi paragraf; PDF dan teksnya tidak pernah diunggah. Hanya jika Anda mengaktifkan OCR, halaman mengambil mesin Tesseract dan satu file bahasa dari CDN jsDelivr, sekali saja, dan unduhan itu tidak membawa apa pun dari dokumen Anda.
Fitur
Kolom berurutan
Tata letak dua dan tiga kolom dibaca kolom demi kolom, bukan baris demi baris melintasi halaman.
Paragraf sungguhan
Baris yang terpotong digabung dan kata yang dipenggal tanda hubung di akhir baris disatukan kembali.
Tabel yang bisa ditempel
Baris tabel keluar dipisahkan tab, siap untuk spreadsheet, atau disejajarkan dengan spasi di Tata letak halaman.
OCR untuk hasil pindai
Halaman tanpa lapisan teks bisa dibaca dengan Tesseract dalam 47 bahasa, di perangkat Anda.