提取 PDF 中的文本

获取 PDF 的原始文本内容,以便粘贴到其他地方(邮件、文本编辑器、内部搜索引擎),而不保留排版或格式。

示例:

工作原理

一份“文本型” PDF(例如由文字处理软件、网页导出或开票软件生成)以真实字符的形式存储其内容,即使您只是通过排版看到它们。此工具会逐页读取这些文本内容,并将它们连接到一个文本框中,页与页之间用分隔符隔开,这样您就可以复制粘贴或下载,而不必手动重新录入文档。

为什么我的某些 PDF 提取不出任何文本?

来自扫描仪或文档照片的 PDF 实际上是一张图片:文件中没有真正存储任何文本,只有像素。此工具不进行光学字符识别(OCR),因此无法从中提取文本——这是原始格式本身的限制,而不是工具的缺陷。

排版(分栏、表格)会被保留吗?

不会,这是刻意的:提取只保留原始文本,按其在 PDF 流中出现的顺序排列。因此,分栏、表格或复杂格式在提取后可能会与通常的视觉阅读顺序不同。

在您的浏览器中 100% 本地处理(WebAssembly)——您文档的内容永远不会传输到服务器。