Ekstrak teks dari PDF dengan bersih dan privat
Konverter PDF ke teks mengambil kata-kata dari PDF dan memberikannya sebagai teks polos yang bisa diedit. Baris disusun ulang dari posisi setiap potongan teks di halaman, sehingga kata terpisah dengan benar, paragraf tetap terpisah, dan kolom tabel tidak menyatu.
Gunakan untuk mengutip laporan, memakai ulang isi brosur lama, menempelkan klausul kontrak ke email, memasukkan dokumen ke alat terjemahan, atau menghitung jumlah kata di PDF. Setelah selesai, salin teks dengan satu klik atau simpan sebagai file .txt.
Seluruh pemrosesan berlangsung di browser Anda dengan mesin PDF sumber terbuka yang dipakai Firefox. Dokumen tidak pernah diunggah, sehingga aman untuk slip gaji, dokumen hukum, dan apa pun yang ingin Anda simpan sendiri.
Cara mengekstrak teks dari PDF
- Letakkan PDF di area unggah atau klik untuk memilih satu. Teks semua halaman langsung diekstrak.
- Untuk mengambil sebagian dokumen saja, ketik halaman atau rentang di “Halaman”, misalnya
3-7, 12. - Biarkan “Tambah pemisah halaman” tercentang untuk melihat di mana tiap halaman dimulai, dan centang “Gabungkan baris menjadi paragraf” jika Anda ingin teks mengalir tanpa pemisah baris.
- Baca atau edit hasilnya di kotak teks; jumlah kata dan karakter diperbarui saat Anda mengetik.
- Klik “Salin teks” untuk menempelkannya di mana saja, atau “Unduh .txt” untuk menyimpannya.
Fitur PDF ke teks
Penyusunan ulang baris yang cerdas
Potongan teks pada garis dasar yang sama digabung menjadi satu baris, jarak antarkata menjadi spasi, dan jarak lebar (seperti kolom tabel) menjadi karakter tab yang bisa ditempel rapi ke spreadsheet.
Deteksi paragraf
Jarak antarbaris yang lebih besar dari biasanya dianggap paragraf baru dan ditampilkan sebagai baris kosong.
Mode teks mengalir
“Gabungkan baris menjadi paragraf” menghapus pemisah baris tetap dari tata letak PDF dan menyambung kembali kata yang terpotong tanda hubung antarbaris, sehingga teks bisa ditempel dengan rapi ke Word atau Google Docs.
Rentang halaman dan pemisah
Ekstrak satu halaman atau gabungan beberapa rentang, dengan penanda opsional “--- Page N ---”.
Deteksi halaman hasil pindai
Halaman tanpa lapisan teks didaftar, dengan jalan pintas langsung ke OCR, sehingga Anda tidak dibiarkan bingung dengan hasil yang kosong.
Bahasa apa pun
Teks Unicode dalam aksara apa pun didukung, termasuk Hindi, Arab, Mandarin, dan Jepang, selama PDF menyimpan teks sungguhan.
Mengapa sebagian PDF tidak punya teks untuk diekstrak
PDF yang dibuat dari Word, Google Docs, browser web, atau perangkat lunak akuntansi menyimpan karakter sungguhan, sehingga teksnya bisa diekstrak dengan tepat. PDF yang dibuat oleh pemindai atau kamera ponsel biasanya hanya berisi gambar halaman. Bagi komputer, itu hanyalah foto, dan tidak ada huruf yang bisa disalin.
Untuk file seperti itu Anda butuh OCR (pengenalan karakter optik). Ubah halaman menjadi gambar beresolusi tinggi dengan PDF to JPG pada 300 DPI, lalu jalankan lewat Image to Text. Beberapa pemindai menambahkan lapisan teks OCR tak terlihat secara otomatis; jika pemindai Anda melakukannya, alat ini akan mengekstraknya.
Mendapatkan hasil yang paling bersih
- Tata letak banyak kolom seperti koran dan makalah akademik diekstrak sesuai urutan teks ditulis ke dalam file, biasanya kolom demi kolom.
- Tabel keluar satu baris per baris dengan tab di antara sel. Tempel ke spreadsheet untuk mengembalikan kolomnya.
- Header, footer, dan nomor halaman juga ikut diekstrak. Matikan pemisah halaman dan gunakan Find and Replace untuk menghapus baris yang berulang dengan cepat.
- Simbol aneh sebagai ganti huruf berarti PDF memakai font tanpa pemetaan karakter yang benar. Teksnya tidak bisa didekode dengan andal: gunakan OCR pada gambar halaman.
- Untuk memeriksa panjang hasil terhadap suatu batas, tempel ke Word Counter.
PDF ke teks: pertanyaan umum
Bagaimana cara mengekstrak teks dari PDF secara gratis?
Unggah PDF di atas. Teks langsung muncul di kotak; klik “Salin teks” atau “Unduh .txt”. Tanpa pendaftaran, watermark, atau batas halaman.
Mengapa hasilnya kosong?
PDF berisi gambar hasil pindai, bukan teks. Alat ini memberi tahu halaman mana yang tidak punya lapisan teks. Gunakan PDF ke JPG lalu Image to Text (OCR) untuk membacanya.
Apakah PDF ke teks mempertahankan format?
Teks polos tidak punya font, huruf tebal, atau gambar, tetapi pemisah baris, jarak antarparagraf, dan kolom tabel (sebagai tab) tetap terjaga. Aktifkan “Gabungkan baris menjadi paragraf” untuk teks yang mengalir.
Bisakah saya mengekstrak teks dari satu halaman saja?
Bisa. Ketik nomor halaman di “Halaman”. Anda juga bisa memakai rentang seperti 2-4 atau 10- (halaman 10 sampai akhir).
Apakah PDF saya diunggah ke suatu tempat?
Tidak. File dibaca oleh JavaScript di browser Anda dan tidak pernah meninggalkan perangkat.
Bisakah alat ini mengekstrak teks dari PDF yang dilindungi kata sandi?
Tidak jika PDF membutuhkan kata sandi untuk dibuka. Buka dengan kata sandinya di pembaca PDF, simpan salinan tanpa perlindungan, lalu unggah salinan itu.