Преобразование PDF в текст
«PDF в RTF (текст)» извлекает текст, который уже есть в PDF, и возвращает его простым файлом .txt или в формате RTF. OCR не выполняется, поэтому сканы из одних изображений получаются пустыми.
Перетащите файлы сюда или нажмите, чтобы выбрать
Форматы: PDF · до 500.0 MB на файл · до 20 файлов за раз
Файл можно также вставить через Ctrl/Cmd+V или из меню буфера обмена.
«PDF в RTF (текст)» извлекает слова, которые уже есть как текстовые объекты. Путь `txt` по умолчанию использует тот же локальный экстрактор, что и другие операции pdf-core (`pdfio::extract_text`), и возвращает `text/plain`. OCR не запускается, LibreOffice не вызывается.
При выборе `rtf` файл идёт через LibreOffice `writer_pdf_import`. Этому пути нужен `soffice` на сервере; получается грубый черновик форматированного текста. Подмена шрифтов и съехавшие таблицы — обычное дело. Считайте RTF черновиком.
Чисто графические сканы дают пустой или почти пустой `.txt`. OCR на этом сайте возвращает Markdown, а не PDF с поиском, который можно снова отправить сюда.
Поля диапазона страниц нет. Читается каждая страница. Файлы, защищённые паролем, снимаются с защиты прямо на этой странице, как только вы введёте пароль; при работе через API сначала запустите «Снять пароль».
Если нужны заголовки и списки, а не сплошной текст, ближе «PDF в Markdown». Если нужны таблицы строками — «PDF в CSV» или «PDF в Excel».
Результат сохраняет базовое имя загруженного файла: `minutes.pdf` станет `minutes.txt` или `minutes.rtf`. Путь TXT загружает весь документ, одним вызовом просит у экстрактора все страницы и возвращает строку как `text/plain`. Любой outputFormat, кроме `txt` или `rtf`, отвергается ошибкой 400 со списком двух допустимых значений.
Разберём пример: 30-страничное цифровое руководство по политикам, экспортированное из текстового процессора. Запустите его с TXT и откройте результат в редакторе: абзацы и заголовки окажутся строками текста, по которым можно искать или которые можно скормить скрипту. Скан того же руководства, сохранённый на копире как одна картинка на страницу, даст пустой или почти пустой файл, потому что читать нечего: текстовых объектов нет.
Быстрая проверка текстового слоя: если в просмотрщике курсором можно выделить слово, экстрактору есть что читать. Если нельзя, файл состоит из картинок. В этом инструменте нет OCR; OCR сайта возвращает Markdown, так что для скана практичный путь — сначала OCR, а затем работа с этим Markdown.
Если слова верные, а порядок неверный, PDF, вероятно, хранит текст в порядке, отличном от визуального; это обычное дело для многоколоночной вёрстки. Попробуйте «PDF в Markdown», который использует другой экстрактор, или скопируйте нужную страницу вручную. Если RTF падает с ошибкой об отсутствующей зависимости, на сервере не установлен LibreOffice; используйте TXT.
Функции
- TXT по умолчанию через локальное извлечение текста, не pdftotext и не OCR
- Необязательный RTF через LibreOffice `writer_pdf_import`
- Читает все страницы; параметра диапазона нет
- Анонимный API: /api/v1/convert/pdf/text
Когда применять
- Сбросить отчёт с текстовым слоем в grep или скрипт
- Получить грубый RTF-черновик из цифровой служебной записки
- Проверить, есть ли у PDF текстовый слой
- Вытащить формулировки руководства по политикам в редактор для сравнения с прежней версией
Как извлечь текст из PDF?
- Убедитесь, что в PDF есть текстовый слой: выделите слово в просмотрщике; если не получается, сначала сделайте OCR и работайте с возвращённым Markdown.
- Загрузите PDF и введите пароль, если страница его запросит.
- Оставьте TXT для простого текста, по которому можно искать, или выберите RTF, только если нужен черновик LibreOffice с форматированием.
- Нажмите «Обработать» и скачайте `.txt` или `.rtf`; имя совпадает с именем загрузки.
- Сверьте первую и последнюю страницы с PDF. Пустой файл означает отсутствие текстового слоя; перепутанный порядок означает, что PDF хранит текст не в порядке чтения.
Ограничения и особые случаи
- Не OCR; со сканов почти ничего не извлекается
- Нет контроля диапазона страниц
- Визуальный порядок колонок для TXT не восстанавливается
- Заголовки, списки и таблицы в TXT не воссоздаются
- RTF требует LibreOffice на сервере и является грубой реконструкцией
- Лимит загрузки на сайте: 500 МБ на файл, файлы крупнее примерно 95 МБ отправляются частями. Тело одного прямого запроса к API ограничено 100 МБ.
Примеры
- Годовой отчёт с выделяемым текстом обычно даёт длинный .txt из его абзацев
- Сфотографированная доска обычно даёт пустой или крошечный файл
- 30-страничное цифровое руководство handbook.pdf скачивается как handbook.txt
- Значение outputFormat `docx`, отправленное на эту конечную точку, вернёт 400 со списком txt и rtf
Конфиденциальность этого инструмента
Файлы загружаются по HTTPS, обрабатываются в памяти или в короткоживущем временном каталоге на наших серверах и удаляются, когда результат готов. Копии для последующего просмотра, обучения моделей или рекламных профилей мы не храним. Сроки хранения и сведения о cookie AdSense указаны в Политике конфиденциальности.
Частые вопросы
- Почему текстовый файл пустой?
- В PDF нет текстовых объектов для экстрактора. Сканам нужен OCR в Markdown; этот Markdown сюда обратно не отправить.
- TXT — это то же, что копировать из просмотрщика?
- Близко, но не то же. Порядок следует тому, как текст лежит в потоке содержимого страницы; в многоколоночной вёрстке он может отличаться от визуального чтения.
- Когда выбирать RTF?
- Только если хотите, чтобы LibreOffice собрал документ заново. TXT — прямое извлечение и не нуждается в soffice.
- Сохраняются ли шрифты и вёрстка?
- TXT — простой текст. RTF — реконструкция по возможности, не совпадение пиксель в пиксель.
- Можно извлечь текст только некоторых страниц?
- Не этим инструментом: читается каждая страница. Сначала запустите «Извлечь страницы», чтобы оставить в PDF только нужные страницы, а затем конвертируйте этот файл.
- Какой инструмент даёт заголовки и списки вместо сплошного текста?
- «PDF в Markdown». «PDF в RTF (текст)» возвращает текст без структуры.
- Сканированный PDF дал пустой .txt. Файл повреждён?
- Нет. Скан — это картинки текста, поэтому экстрактору нечего читать. OCR возвращает Markdown, который можно сохранить и использовать как текст.
- Какое имя получит скачанный файл?
- Базовое имя загруженного файла с `.txt` или `.rtf`; например, `minutes.pdf` станет `minutes.txt`.
- Почему RTF медленнее TXT или недоступен?
- RTF идёт через LibreOffice на сервере. Если этой программы нет, RTF падает с ошибкой об отсутствующей зависимости, а TXT по-прежнему работает.
Последнее обновление:
Вызов из кода
Каждый инструмент на сайте: обычный REST. Анонимно не нужны ни аккаунт, ни ключ API. И для браузера, и для разработчиков, и для ИИ-агентов.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/text" \
-F "[email protected]" \
-F "outputFormat=txt" \
-o output.pdfЕсть и как MCP-инструмент для клиентов на Model Context Protocol (JSON-RPC 2.0, POST /mcp). Полное описание API
Использовать через ИИ-агента
СкиллС этим скиллом Claude Code, Codex, Cursor и другие ИИ-агенты смогут выполнить «PDF в RTF (текст)» за вас: /skills/pdf123-pdf-to-text.md
Файлы нужны только для этой обработки и потом удаляются.