Lewati ke konten utama
PPDF123

Ubah PDF Menjadi Teks

PDF ke RTF (teks) mengekstrak teks yang sudah ada dalam PDF dan mengembalikannya sebagai berkas .txt biasa, atau RTF. Alat ini tidak menjalankan OCR, jadi pindaian yang hanya berupa gambar menghasilkan berkas kosong.

Seret file ke sini, atau klik untuk memilih

Menerima PDF · maksimal 500.0 MB per file · hingga 20 file sekaligus

Anda juga dapat menempelkan file dengan Ctrl/Cmd+V atau dari menu papan klip.

PDF ke RTF (teks) mengekstrak kata yang sudah ada sebagai objek teks. Jalur bawaan `txt` memakai pengekstrak asli yang sama dengan operasi pdf-core lainnya (`pdfio::extract_text`) dan mengembalikan `text/plain`. Tidak menjalankan OCR dan tidak memanggil LibreOffice.

Pilih `rtf` dan berkas akan melewati LibreOffice `writer_pdf_import`. Jalur itu butuh `soffice` di server dan membangun ulang dokumen rich text kasar. Bersiaplah menemui substitusi font dan tabel yang kacau; perlakukan RTF sebagai draf.

Pindaian hanya-gambar menghasilkan `.txt` kosong atau hampir kosong. OCR di situs ini mengembalikan Markdown, bukan PDF yang bisa dicari untuk dikirim ulang ke sini.

Tidak ada bidang rentang halaman. Semua halaman dibaca. Berkas yang dilindungi kata sandi dibuka untuk Anda di halaman ini setelah Anda memasukkan kata sandinya; pengguna API harus menjalankan Hapus kata sandi lebih dulu.

Jika Anda butuh judul dan daftar, bukan dump teks, PDF ke Markdown lebih dekat. Jika Anda butuh tabel sebagai baris, pakai PDF ke CSV atau PDF ke Excel.

Hasilnya memakai nama dasar berkas yang diunggah, jadi `minutes.pdf` menjadi `minutes.txt` atau `minutes.rtf`. Jalur TXT memuat seluruh dokumen, meminta pengekstrak membaca semua halaman dalam satu panggilan, dan mengembalikan string sebagai `text/plain`. outputFormat selain `txt` atau `rtf` ditolak dengan 400 yang mencantumkan kedua nilai yang diizinkan.

Contoh kasus: manual kebijakan 30 halaman born-digital yang diekspor dari pengolah kata. Jalankan dengan TXT dan buka hasilnya di editor: Anda akan menemukan paragraf dan judul sebagai baris teks, yang bisa dicari atau diberikan ke skrip. Pindaian manual yang sama, disimpan dari mesin fotokopi sebagai satu gambar per halaman, akan menghasilkan berkas kosong atau hampir kosong, karena tidak ada objek teks untuk dibaca.

Uji cepat untuk lapisan teks: jika Anda bisa memilih sebuah kata dengan kursor di penampil, pengekstrak punya sesuatu untuk dibaca. Jika tidak bisa, berkasnya berupa gambar. Alat ini tidak punya OCR; alat OCR di situs ini mengembalikan Markdown, jadi untuk pindaian jalur praktisnya adalah OCR dulu, lalu bekerja dari Markdown itu.

Jika hasilnya berisi kata yang benar dalam urutan yang salah, kemungkinan PDF menyimpan teksnya dalam urutan yang berbeda dari urutan visual, yang umum pada tata letak banyak kolom. Coba PDF ke Markdown, yang memakai pengekstrak berbeda, atau salin halaman yang bermasalah secara manual. Jika RTF gagal dengan kesalahan dependensi yang hilang, server tidak memiliki LibreOffice terpasang; pakai TXT.

Fitur

  • TXT bawaan lewat ekstraksi teks asli, bukan pdftotext dan bukan OCR
  • RTF opsional lewat LibreOffice `writer_pdf_import`
  • Membaca setiap halaman; tanpa parameter rentang halaman
  • API anonim: /api/v1/convert/pdf/text

Kapan memakai alat ini

  • Menuangkan laporan berlapisan teks ke grep atau skrip
  • Mendapatkan draf RTF kasar dari memo born-digital
  • Memeriksa apakah PDF punya lapisan teks
  • Mengambil kalimat dari manual kebijakan ke editor untuk dibandingkan dengan versi yang lebih lama

Bagaimana cara mengekstrak teks dari PDF?

  1. Pastikan PDF punya lapisan teks dengan memilih sebuah kata di penampil; jika tidak bisa, OCR dulu dan pakai Markdown yang dikembalikan.
  2. Unggah PDF dan masukkan kata sandinya jika halaman memintanya.
  3. Pertahankan TXT untuk dump polos yang bisa dicari, atau pilih RTF hanya jika Anda ingin draf rich text LibreOffice.
  4. Klik Proses, lalu unduh `.txt` atau `.rtf`; namanya sama dengan unggahan.
  5. Periksa sampel halaman pertama dan terakhir terhadap PDF. Berkas kosong berarti tidak ada lapisan teks; urutan yang acak berarti PDF menyimpan teksnya di luar urutan baca.

Batasan dan kasus khusus

  • Bukan OCR; pindaian menghasilkan sedikit atau tanpa teks
  • Tanpa kontrol rentang halaman
  • TXT tidak membangun ulang urutan visual banyak kolom
  • TXT tidak membangun ulang judul, daftar, atau tabel
  • RTF butuh LibreOffice di server dan merupakan rekonstruksi kasar
  • Batas unggah di situs ini: 500 MB per berkas, dikirim bertahap (per potongan) di atas sekitar 95 MB. Satu permintaan API langsung dibatasi 100 MB.

Contoh

  • Laporan tahunan yang teksnya bisa dipilih biasanya menghasilkan .txt panjang berisi paragrafnya
  • PDF foto papan tulis biasanya menghasilkan berkas kosong atau sangat kecil
  • Manual born-digital 30 halaman bernama handbook.pdf diunduh sebagai handbook.txt
  • outputFormat `docx` yang dikirim ke endpoint ini mengembalikan 400 yang mencantumkan txt dan rtf

Privasi alat ini

File diunggah lewat HTTPS, diproses di memori atau direktori sementara singkat di server kami, lalu dihapus saat hasil siap. Kami tidak menyimpan salinan untuk ditelusuri nanti, pelatihan, atau profil iklan. Lihat Kebijakan Privasi untuk retensi dan pengungkapan cookie AdSense.

Pertanyaan umum

Mengapa berkas teks kosong?
PDF tidak punya objek teks untuk dibaca pengekstrak. Pindaian butuh OCR ke Markdown; Markdown itu tidak bisa dikirim kembali ke alat ini.
Apakah TXT sama dengan salin dari penampil?
Mendekati, tetapi tidak identik. Urutan mengikuti cara teks disimpan di aliran konten halaman, yang pada tata letak banyak kolom bisa berbeda dari urutan baca visual.
Kapan memilih RTF?
Hanya jika Anda ingin LibreOffice membangun ulang dokumen. TXT adalah ekstraksi langsung dan tidak butuh soffice.
Apakah font dan tata letak dipertahankan?
TXT adalah teks polos. RTF adalah rekonstruksi sebisanya, bukan kecocokan piksel.
Bisakah saya mengekstrak teks hanya dari beberapa halaman?
Tidak dengan alat ini; semua halaman dibaca. Jalankan Ambil halaman lebih dulu untuk memangkas PDF menjadi halaman yang Anda inginkan, lalu konversi berkas itu.
Alat mana yang memberi judul dan daftar, bukan dump polos?
PDF ke Markdown. PDF ke RTF (teks) mengembalikan teks tanpa struktur.
PDF pindaian saya menghasilkan .txt kosong. Apakah berkasnya rusak?
Tidak. Pindaian adalah gambar teks, jadi tidak ada teks yang bisa dibaca pengekstrak. OCR mengembalikan Markdown, yang bisa Anda simpan dan pakai sebagai teksnya.
Nama apa yang diberikan pada berkas unduhan?
Nama dasar berkas yang diunggah dengan `.txt` atau `.rtf`, misalnya `minutes.pdf` menjadi `minutes.txt`.
Mengapa RTF lebih lambat atau tidak tersedia dibandingkan TXT?
RTF melewati LibreOffice di server. Jika program itu tidak ada, RTF gagal dengan kesalahan dependensi yang hilang sementara TXT tetap berfungsi.

Terakhir diperbarui:

Panggil dari kode

Setiap alat di situs ini adalah antarmuka REST biasa. Pemakaian anonim tidak butuh akun atau kunci API. Bisa dipakai dari browser, oleh pengembang, maupun agen AI.

curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/text" \
  -F "[email protected]" \
  -F "outputFormat=txt" \
  -o output.pdf

Juga tersedia sebagai alat MCP untuk klien agen yang memakai Model Context Protocol (JSON-RPC 2.0 lewat POST /mcp). Referensi API lengkap

Gunakan dari agen AI

Skill

Dengan skill ini, Claude Code, Codex, Cursor, dan agen AI lainnya bisa menjalankan "PDF ke RTF (teks)" untuk Anda: /skills/pdf123-pdf-to-text.md

Semua skill agen

File hanya dipakai untuk pemrosesan ini, lalu dihapus otomatis.