PDF 转文本

从 PDF 里复制文字，常常会在奇怪的地方断行，或者漏掉整页。本转换器读取每页的文字层，按阅读顺序重建每一行，给您干净的纯文本以供复制，或保存为 .txt 文件。没有文字层的扫描页面可以用光学字符识别（OCR）来读取。一切都在您的浏览器中运行，所以合同和报告不会被上传。

使用方法

1. 选择一个或多个 PDF 文件，也可以指定要读取的页码。
2. 保持页面标记开启，可以看到每页从哪里开始；如果要把文字粘贴到文档里，请勾选“把换行的文字合并为段落”。
3. 对于扫描的 PDF，勾选 OCR 并选择文档的语言。
4. 从文本框复制文字，或下载 .txt 文件。

计算公式

位于同一基线上的文字片段（垂直偏移小于字号的一半）组成一行；宽于字号 ¼ 的水平间隙变成一个空格；超过 1.8 倍行高的垂直间隙则开始新的一段。

“把换行的文字合并为段落”会用空格连接段落内的行，去掉小写单词前的行尾连字符，并且中日文的行之间不加空格。.txt 文件是使用 Windows 换行符的 UTF-8，这样记事本也能正确显示。

示例

一份 3 页的 PDF，每页分别写着“Page 1”“Page 2”“Page 3”，得到的是 6 个词、18 个字符。开启页面标记时，文本以“--- Page 1 ---”开头，后面是“Page 1”；关闭时，三页之间以空行分隔。

文字层与扫描页面

用 Word、浏览器或财务软件生成的 PDF 含有真正的文字，可以被精确提取。扫描件是纸张的图片：在 OCR 识别出字符之前，它没有任何文字。OCR 首次会下载引擎和语言数据（约 10–20 MB），每页需要几秒钟，并且可能误读小字，所以务必核对姓名和数字。如果想要的是可搜索的 PDF 而不是纯文本，请使用 PDF OCR。