PDF 轉文字 使用方法
- 1
開啟 PDF
將最大 50 MB 的 PDF 拖放到方框中，或點擊選擇檔案。受密碼保護的檔案會先要求輸入密碼。
- 2
選擇文字版面
「段落」會輸出適合閱讀或貼上的連貫文字；「頁面版面」則保留每一行原本的排版，並用空格對齊表格欄位。
- 3
選擇頁面與 OCR
可擷取所有頁面，或指定範圍，例如 2-5, 9。如果部分頁面是沒有文字層的掃描檔，請開啟 OCR 並選擇語言。
- 4
複製或下載
按下「擷取文字」，在方框中確認結果，然後複製到剪貼簿，或儲存為 UTF-8 編碼的 .txt 檔案。
限制與 Pro
每次擷取限 1 個 PDF，最大 50 MB、最多 200 頁，含 OCR。
Pro 可開啟最大 4 GB 的 PDF，一次最多讀取 5,000 頁。 查看 Pro
關於 PDF 轉文字
大多數 PDF 都有文字層，也就是你在 PDF 檢視器中可以選取的那些字元。這個工具會讀取文字層，並依照人閱讀的順序重新整理。直接從檢視器複製時，文章的兩欄內容常會逐行交錯混在一起，每個印刷換行處都會斷句，單字中間還會留下連字號。在這裡，頁面會先被分成欄與區塊，換行的文字接成段落，跨行斷開的單字也會重新接回；項目符號與編號保留在清單項目開頭，表格則輸出為以 Tab 分隔儲存格的列，貼到試算表就能直接使用。頁面上下邊緣單獨的頁碼不會輸出，旋轉或直式文字（例如斜放的「DRAFT」浮水印）也會略過。
「頁面版面」模式則相反：它讓每一行維持原本印刷的位置，並用空格固定表單、發票或銀行對帳單的欄位。
掃描頁面沒有文字層，只有紙張的圖片。開啟 OCR 後，只有這些頁面會在瀏覽器中由 Tesseract 引擎讀取，支援 47 種語言。常見用途包括引用報告內容、把合約放進翻譯工具或字數統計工具，以及從對帳單中取出數字。字型、顏色、圖片與連結不會包含在輸出中；若需要這些，請將 PDF 轉成 Word。
隱私
PDF.js 會在你裝置上的 Web Worker 中解析文件，另一個 Worker 負責把各行整理成段落；PDF 與其文字都不會上傳。只有在你開啟 OCR 時，頁面才會從 jsDelivr CDN 下載一次 Tesseract 引擎與一個語言檔，這些下載不會帶有你文件中的任何內容。
功能
依順序讀取多欄
兩欄與三欄版面會一欄接一欄讀取，而不是橫跨整頁逐行讀取。
真正的段落
換行的文字會接起來，在行尾以連字號斷開的單字也會重新接回。
可直接貼上的表格
表格的每一列以 Tab 分隔輸出，可直接貼到試算表；在「頁面版面」中則以空格對齊。
掃描檔 OCR
沒有文字層的頁面可在你的裝置上用 Tesseract 讀取，支援 47 種語言。