提取现有文字
读取文档中可选择的文字层，不会识别扫描图像中的字形。
PDF 转文本
将现有文本层提取到 UTF-8 文本文件。
选择 PDF 文件
将文件拖到此处，或使用下方按钮选择文件。
上限为 100 MB 总计 · 文件保留在您的设备上
在此预览文档。对于新添加的内容，预览仅用于辅助确定位置；请检查保存后的输出结果。
目录章节: 11
可以从 PDF 中提取哪些纯文本内容？
提取 PDF 现有的文字层，用于搜索、复制或进一步编辑。文本行按页面中的位置分组，尤其适合以文字为主的报告和文档档案。
输出为纯文本，不包含字体、图片或页面设计。多栏页面中的阅读顺序可能与视觉布局不同。没有文字层的扫描页面无法通过此操作转录。
PDF 转文本功能
选择相关页面
使用“页面”字段，将导出限定在某一章节、信函或附录。
通用 TXT 输出
下载可在常见文本编辑器中打开的纯文本文件，不包含文字处理软件的排版。
按位置分组文本行
相邻文字片段会组合为行。多栏阅读顺序仍需对照页面检查。
为什么要将 PDF 文字转换为文本文件？
当文字比打印布局更重要时，纯文本很有用。它便于搜索本地文件夹、将内容复制到编辑器，或为记笔记准备清晰的起点，也避免把以图像为主的页面设计带入文字任务。文字层不一定与页面看起来表达的内容完全一致：连字、隐藏的 OCR 错误和栏序都可能改变导出结果。将结果用于后续工作前，请检查有代表性的段落，以及重要姓名或数字。
哪些人会使用提取的 PDF 文字？
大学研究人员
导出获准使用的文章文字，收集引文并整理阅读笔记。对照源页面核实每条引文，并单独记录页码。
行政文员
将标准信函的文字移入文本编辑器，用于修订草稿。转入组织模板前，请检查称呼、日期和换行。
技术文档作者
提取规格文字，整理为可搜索的工作笔记。对照 PDF 检查单位、符号和编号步骤，因为特殊字体编码可能改变提取字符。
如何从 PDF 提取文字？
- 选择包含可选择文字的 PDF。如果是纯图像扫描件，请先用 OCR 创建文字层。
- 输入要提取的页面，或将“页面”留空以处理整份文档。如有需要，可添加下载文件名。
- 运行提取并下载 TXT 文件。在文本编辑器中打开。
- 编辑或引用文字前，请将段落顺序、标点、姓名和重要数字与原始 PDF 比较。
选择源文件
选择已有可选择文本层的 PDF。
点击截图可放大查看。
检查工具设置
选择页面，并按需设置下载文件名。
点击截图可放大查看。
下载并检查结果
下载 TXT 文件，对照 PDF 核验文字内容。
点击截图可放大查看。
截图展示了使用不含敏感信息的示例文件操作本工具箱的过程。您的文件名、页数和设置可能不同。
设置与输出检查
| 设置 | 预期效果 |
|---|---|
| 支持的输入 | |
| 处理位置 | 您的浏览器 |
| 文件选择 | 一个输入文件 |
| 输入大小 | 总计 100 MB；解码后的图像和页面也有像素限制 |
| 页面选择 | 每次任务最多选择 200 页。只有 PDF 不超过 200 页时，“页面”留空才表示所有页面；更长文档请分范围处理。 |
如果页面是扫描件，无法选择文字，请先添加并检查 OCR 文字层，再使用文字提取。
检查阅读顺序和编码字符
文字片段在 PDF 中的存储顺序可能与可见位置不同。侧栏、脚注和双栏布局经常导致导出句子被打断。可见字形也可能依赖字体映射，提取时不一定能得到同一个字符。将 TXT 视为可靠源文字前，请对照跨栏或跨页的段落，并检查技术符号和“fi”等连字。
PDF 转文本故障排查
| 情况 | 处理方法 |
|---|---|
| 文本文件为空，或转换被拒绝 | 所选页面可能没有文字层。条件允许时，请先使用 OCR。 |
| 部分文字不正确 | PDF 的文字编码或 OCR 层可能存在问题。请将姓名、数字和符号与可见页面比较。 |
| 需要带格式的可编辑文档 | 使用“PDF 转 Word”生成 DOCX 初稿；精确布局仍需检查。 |
实用示例与最终检查
假设左列是 A1, A2，右列是 B1, B2。按位置分组可能得到 A1 B1，下一行是 A2 B2，从而混合两列。重新排列提取的行之前，先阅读 PDF 中的每一列；看起来整齐的文本文件也可能把无关句子连在一起。
常见问题
可以从扫描 PDF 中提取文字吗？
请先运行 OCR 添加识别文字。选择纯图像源文件时，会显示明确的无文字提示。
工具会保留段落吗？
基于位置的行分组会近似还原行序。段落分隔和复杂分栏需要人工编辑检查。
文本下载中如何分隔页面？
所选页面的文字以空行连接。如果需要精确引用回原 PDF，请在笔记中保留实际页面范围。
相关工具与指南
继续使用 PDF 文字识别（OCR）、 PDF 阅读器。如需其他语言的输出，请阅读 PDF 翻译流程；文字提取本身不会翻译。