Μετατροπή PDF σε κείμενο
Το PDF σε RTF (κείμενο) εξάγει το κείμενο που υπάρχει ήδη σε ένα PDF και το επιστρέφει ως απλό αρχείο .txt ή ως RTF. Δεν τρέχει OCR, οπότε οι σαρώσεις-εικόνες βγαίνουν κενές.
Σύρετε και αφήστε αρχεία εδώ ή κάντε κλικ για επιλογή
Δέχεται PDF · έως 500.0 MB ανά αρχείο · έως 20 αρχεία τη φορά
Μπορείτε επίσης να επικολλήσετε ένα αρχείο με Ctrl/Cmd+V ή από το μενού του προχείρου.
Το PDF σε RTF (κείμενο) εξάγει λέξεις που υπάρχουν ήδη ως αντικείμενα κειμένου. Η προεπιλεγμένη διαδρομή `txt` χρησιμοποιεί τον ίδιο εγγενή εξαγωγέα με τις άλλες λειτουργίες του pdf-core (`pdfio::extract_text`) και επιστρέφει `text/plain`. Δεν τρέχει OCR και δεν καλεί το LibreOffice.
Αν επιλέξετε `rtf`, το αρχείο περνά από το LibreOffice `writer_pdf_import`. Αυτή η διαδρομή χρειάζεται `soffice` στον διακομιστή και ξαναχτίζει ένα πρόχειρο έγγραφο εμπλουτισμένου κειμένου. Περιμένετε αντικαταστάσεις γραμματοσειρών και χαλασμένους πίνακες· θεωρήστε το RTF προσχέδιο.
Οι σαρώσεις που αποτελούνται μόνο από εικόνες δίνουν ένα κενό ή σχεδόν κενό `.txt`. Το OCR σε αυτόν τον ιστότοπο επιστρέφει Markdown, όχι αναζητήσιμο PDF που μπορείτε να στείλετε ξανά εδώ.
Δεν υπάρχει πεδίο εύρους σελίδων. Διαβάζονται όλες οι σελίδες. Τα αρχεία με κωδικό ξεκλειδώνονται για εσάς σε αυτή τη σελίδα μόλις εισαγάγετε τον κωδικό· οι χρήστες API εκτελούν πρώτα «Αφαίρεση κωδικού».
Αν χρειάζεστε επικεφαλίδες και λίστες και όχι μια απλή απόρριψη κειμένου, το PDF σε Markdown είναι το πιο κοντινό εργαλείο. Αν χρειάζεστε πίνακες ως γραμμές, χρησιμοποιήστε το PDF σε CSV ή το PDF σε Excel.
Η έξοδος κρατά το βασικό όνομα του αρχείου που ανεβάσατε, οπότε το `minutes.pdf` γίνεται `minutes.txt` ή `minutes.rtf`. Η διαδρομή TXT φορτώνει ολόκληρο το έγγραφο, ζητά από τον εξαγωγέα όλες τις σελίδες με μία κλήση και επιστρέφει το κείμενο ως `text/plain`. Ένα outputFormat διαφορετικό από `txt` ή `rtf` απορρίπτεται με σφάλμα 400 που απαριθμεί τις δύο επιτρεπόμενες τιμές.
Ένα πρακτικό παράδειγμα: ένα εγχειρίδιο πολιτικής 30 σελίδων, ψηφιακής προέλευσης, εξαγμένο από επεξεργαστή κειμένου. Εκτελέστε το με TXT και ανοίξτε το αποτέλεσμα σε έναν επεξεργαστή: θα βρείτε τις παραγράφους και τις επικεφαλίδες ως γραμμές κειμένου, που μπορείτε να αναζητήσετε ή να δώσετε σε ένα script. Μια σάρωση του ίδιου εγχειριδίου, αποθηκευμένη από φωτοτυπικό ως μία εικόνα ανά σελίδα, θα έδινε κενό ή σχεδόν κενό αρχείο, επειδή δεν υπάρχουν αντικείμενα κειμένου για ανάγνωση.
Γρήγορος έλεγχος για επίπεδο κειμένου: αν μπορείτε να επιλέξετε μια λέξη με τον δρομέα σε ένα πρόγραμμα προβολής, ο εξαγωγέας έχει κάτι να διαβάσει. Αν όχι, το αρχείο είναι εικόνες. Αυτό το εργαλείο δεν έχει OCR· το εργαλείο OCR του ιστότοπου επιστρέφει Markdown, οπότε για μια σάρωση η πρακτική διαδρομή είναι πρώτα OCR και μετά δουλειά πάνω σε αυτό το Markdown.
Αν η έξοδος έχει τις σωστές λέξεις με λάθος σειρά, το PDF πιθανότατα αποθηκεύει το κείμενό του με σειρά διαφορετική από την οπτική, κάτι συνηθισμένο στις διατάξεις πολλαπλών στηλών. Δοκιμάστε το PDF σε Markdown, που χρησιμοποιεί διαφορετικό εξαγωγέα, ή αντιγράψτε χειροκίνητα την επηρεασμένη σελίδα. Αν το RTF αποτύχει με σφάλμα ελλείπουσας εξάρτησης, ο διακομιστής δεν έχει εγκατεστημένο LibreOffice· χρησιμοποιήστε TXT.
Λειτουργίες
- Προεπιλεγμένο TXT με εγγενή εξαγωγή κειμένου, όχι pdftotext και όχι OCR
- Προαιρετικό RTF μέσω LibreOffice `writer_pdf_import`
- Διαβάζει όλες τις σελίδες· χωρίς παράμετρο εύρους σελίδων
- Ανώνυμο API: /api/v1/convert/pdf/text
Πότε το χρησιμοποιείτε
- Απόρριψη μιας αναφοράς με επίπεδο κειμένου σε grep ή σε script
- Πρόχειρο RTF από ένα σημείωμα ψηφιακής προέλευσης
- Έλεγχος αν ένα PDF έχει καν επίπεδο κειμένου
- Μεταφορά του κειμένου ενός εγχειριδίου πολιτικής σε έναν επεξεργαστή για σύγκριση με παλαιότερη έκδοση
Πώς εξάγω κείμενο από ένα PDF;
- Ελέγξτε ότι το PDF έχει επίπεδο κειμένου επιλέγοντας μια λέξη σε ένα πρόγραμμα προβολής· αν δεν μπορείτε, κάντε πρώτα OCR και χρησιμοποιήστε το Markdown που επιστρέφει.
- Ανεβάστε το PDF και εισαγάγετε τον κωδικό του αν τον ζητήσει η σελίδα.
- Κρατήστε TXT για μια απλή απόρριψη κειμένου που μπορείτε να αναζητήσετε, ή επιλέξτε RTF μόνο αν θέλετε ένα προσχέδιο εμπλουτισμένου κειμένου από το LibreOffice.
- Πατήστε «Εκτέλεση» και κατεβάστε το `.txt` ή `.rtf`· το όνομα ταιριάζει με το αρχείο που ανεβάσατε.
- Ελέγξτε δειγματοληπτικά την πρώτη και την τελευταία σελίδα σε σχέση με το PDF. Κενό αρχείο σημαίνει ότι δεν υπάρχει επίπεδο κειμένου· μπερδεμένη σειρά σημαίνει ότι το PDF αποθηκεύει το κείμενό του εκτός σειράς ανάγνωσης.
Όρια και ειδικές περιπτώσεις
- Όχι OCR· οι σαρώσεις δίνουν λίγο ή καθόλου κείμενο
- Χωρίς έλεγχο εύρους σελίδων
- Η οπτική σειρά πολλαπλών στηλών δεν ανασυντίθεται στο TXT
- Δεν ξαναχτίζονται επικεφαλίδες, λίστες ή πίνακες στο TXT
- Το RTF χρειάζεται LibreOffice στον διακομιστή και είναι πρόχειρη αναδόμηση
- Όριο ανεβάσματος σε αυτόν τον ιστότοπο: 500 MB ανά αρχείο, με αποστολή σε τμήματα πάνω από περίπου 95 MB. Το σώμα ενός μεμονωμένου άμεσου αιτήματος API περιορίζεται στα 100 MB.
Παραδείγματα
- Μια ετήσια αναφορά με επιλέξιμο κείμενο συνήθως δίνει ένα μακρύ .txt με τις παραγράφους της
- Ένα PDF με φωτογραφία πίνακα συνήθως δίνει κενό ή μικροσκοπικό αρχείο
- Ένα εγχειρίδιο 30 σελίδων ψηφιακής προέλευσης με όνομα handbook.pdf κατεβαίνει ως handbook.txt
- Ένα outputFormat `docx` που στέλνεται σε αυτό το endpoint επιστρέφει 400 με τις τιμές txt και rtf
Απόρρητο για αυτό το εργαλείο
Τα αρχεία ανεβαίνουν μέσω HTTPS, επεξεργάζονται στη μνήμη ή σε βραχύβιο προσωρινό κατάλογο στους διακομιστές μας και διαγράφονται όταν το αποτέλεσμα είναι έτοιμο. Δεν κρατάμε αντίγραφα για μετέπειτα περιήγηση, εκπαίδευση μοντέλων ή διαφημιστικά προφίλ. Οι λεπτομέρειες διατήρησης και οι γνωστοποιήσεις για cookie του AdSense βρίσκονται στην Πολιτική απορρήτου.
Συχνές ερωτήσεις
- Γιατί το αρχείο κειμένου είναι κενό;
- Το PDF δεν έχει αντικείμενα κειμένου για να διαβάσει ο εξαγωγέας. Οι σαρώσεις χρειάζονται OCR σε Markdown· αυτό το Markdown δεν μπορεί να σταλεί ξανά σε αυτό το εργαλείο.
- Το TXT είναι το ίδιο με την αντιγραφή από ένα πρόγραμμα προβολής;
- Πολύ κοντά, αλλά όχι ίδιο. Η σειρά ακολουθεί τον τρόπο που αποθηκεύεται το κείμενο στη ροή περιεχομένου της σελίδας, που μπορεί να διαφέρει από την οπτική σειρά ανάγνωσης σε διατάξεις πολλαπλών στηλών.
- Πότε να διαλέξω RTF;
- Μόνο όταν θέλετε το LibreOffice να ξαναχτίσει ένα έγγραφο. Το TXT είναι η άμεση εξαγωγή και δεν χρειάζεται soffice.
- Κρατά γραμματοσειρές και διάταξη;
- Το TXT είναι απλό κείμενο. Το RTF είναι αναδόμηση βέλτιστης προσπάθειας, όχι αντίγραφο pixel προς pixel.
- Μπορώ να εξαγάγω το κείμενο μόνο ορισμένων σελίδων;
- Όχι με αυτό το εργαλείο· διαβάζονται όλες οι σελίδες. Εκτελέστε πρώτα την «Εξαγωγή σελίδων» για να περικόψετε το PDF στις σελίδες που θέλετε και μετά μετατρέψτε εκείνο το αρχείο.
- Ποιο εργαλείο μου δίνει επικεφαλίδες και λίστες αντί για απλή απόρριψη κειμένου;
- Το PDF σε Markdown. Το PDF σε RTF (κείμενο) επιστρέφει το κείμενο χωρίς δομή.
- Το σαρωμένο PDF μου έδωσε κενό .txt. Είναι χαλασμένο το αρχείο;
- Όχι. Μια σάρωση είναι εικόνες κειμένου, άρα δεν υπάρχει κείμενο για να διαβάσει ο εξαγωγέας. Το OCR επιστρέφει Markdown, που μπορείτε να αποθηκεύσετε και να χρησιμοποιήσετε ως κείμενο.
- Τι όνομα παίρνει το αρχείο που κατεβάζω;
- Το βασικό όνομα του αρχείου που ανεβάσατε με `.txt` ή `.rtf`, για παράδειγμα το `minutes.pdf` γίνεται `minutes.txt`.
- Γιατί το RTF είναι πιο αργό ή μη διαθέσιμο σε σύγκριση με το TXT;
- Το RTF περνά από το LibreOffice στον διακομιστή. Αν αυτό το πρόγραμμα λείπει, το RTF αποτυγχάνει με σφάλμα ελλείπουσας εξάρτησης ενώ το TXT εξακολουθεί να δουλεύει.
Τελευταία ενημέρωση:
Κλήση από κώδικα
Κάθε εργαλείο στον ιστότοπο είναι ένα απλό REST API. Για ανώνυμη χρήση δεν χρειάζεται λογαριασμός ούτε κλειδί API. Ίδιο για πρόγραμμα περιήγησης, προγραμματιστές και πράκτορες AI.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/text" \
-F "[email protected]" \
-F "outputFormat=txt" \
-o output.pdfΔιατίθεται και ως εργαλείο MCP, για πελάτες που μιλούν Model Context Protocol (JSON-RPC 2.0 μέσω POST /mcp). Πλήρης αναφορά API
Χρήση από πράκτορα AI
SkillΜε αυτό το skill, τα Claude Code, Codex, Cursor και άλλοι πράκτορες AI μπορούν να εκτελέσουν το «PDF σε RTF (κείμενο)» για εσάς: /skills/pdf123-pdf-to-text.md
Τα αρχεία χρησιμοποιούνται μόνο για αυτή την εργασία και διαγράφονται αυτόματα μετά.