Nenda kwenye maudhui makuu
PPDF123

Geuza PDF kuwa Maandishi

PDF kuwa maandishi hutoa maandishi yaliyopo tayari kwenye PDF na kuyarudisha kama faili ya .txt, au RTF. Haiendeshi OCR, kwa hiyo skani za picha pekee hutoka tupu.

Buruta faili hapa, au bofya uchague

Inakubali PDF · hadi 500.0 MB kwa kila faili · hadi faili 20 kwa mara moja

Unaweza pia kubandika faili kwa Ctrl/Cmd+V au kutoka kwenye menyu ya ubao wa kunakili.

PDF kuwa RTF (maandishi) hutoa maneno ambayo tayari yapo kama vitu vya maandishi. Njia chaguo-msingi ya `txt` hutumia kitoa-maandishi asilia kile kile cha shughuli nyingine za pdf-core (`pdfio::extract_text`) na kurudisha `text/plain`. Haiendeshi OCR wala haiiti LibreOffice.

Ukichagua `rtf`, faili hupitia LibreOffice `writer_pdf_import` badala yake. Njia hiyo inahitaji `soffice` kwenye seva na hujenga upya hati ya maandishi tajiri ya takriban. Tarajia ubadilishaji wa fonti na majedwali yaliyoharibika; chukulia RTF kama rasimu.

Skani zenye picha pekee hutoa `.txt` tupu au karibu tupu. OCR kwenye tovuti hii hurudisha Markdown, si PDF inayotafutika ambayo unaweza kuirudisha hapa.

Hakuna sehemu ya masafa ya kurasa. Kila ukurasa husomwa. Faili zilizolindwa kwa nenosiri hufunguliwa kwa ajili yako kwenye ukurasa huu ukishaingiza nenosiri; wapigaji wa API waendeshe Ondoa nenosiri kwanza.

Ikiwa unahitaji vichwa na orodha badala ya maandishi mfululizo, PDF kuwa Markdown ndiyo zana iliyo karibu zaidi. Ikiwa unahitaji majedwali kama safu, tumia PDF kuwa CSV au PDF kuwa Excel.

Towe huhifadhi jina la msingi la faili uliyopakia, kwa hiyo `minutes.pdf` huwa `minutes.txt` au `minutes.rtf`. Njia ya TXT hupakia hati nzima, huomba kitoa-maandishi kurasa zote kwa simu moja na kurudisha mfuatano wa maandishi kama `text/plain`. outputFormat isiyo `txt` wala `rtf` hukataliwa kwa 400 inayoorodhesha thamani hizo mbili zinazoruhusiwa.

Mfano halisi: mwongozo wa sera wa kurasa 30 uliozaliwa kidijitali, uliohamishwa kutoka kwenye kichakataji maneno. Uendeshe kwa TXT na ufungue matokeo katika kihariri: unapaswa kupata aya na vichwa kama mistari ya maandishi, unayoweza kuitafuta au kuipa hati-andishi. Skani ya mwongozo huohuo, iliyohifadhiwa kutoka kwenye mashine ya kunakili kama picha moja kwa kila ukurasa, ingetoa faili tupu au karibu tupu, kwa sababu hakuna vitu vya maandishi vya kusoma.

Jaribio la haraka la safu ya maandishi: ukiweza kuchagua neno kwa kielekezi katika kitazamaji, kitoa-maandishi kina kitu cha kusoma. Usipoweza, faili ni picha. Zana hii haina OCR; zana ya OCR ya tovuti hurudisha Markdown, kwa hiyo kwa skani njia ya vitendo ni OCR kwanza kisha kufanya kazi kutoka kwenye Markdown hiyo.

Ikiwa towe lina maneno sahihi kwa mpangilio usio sahihi, PDF huenda huhifadhi maandishi yake kwa mpangilio tofauti na ule wa kuonekana, jambo la kawaida kwenye mipangilio ya safu nyingi. Jaribu PDF kuwa Markdown, inayotumia kitoa-maandishi tofauti, au nakili ukurasa husika kwa mkono. Ikiwa RTF inashindwa kwa kosa la utegemezi unaokosekana, seva haina LibreOffice iliyosakinishwa; tumia TXT badala yake.

Sifa

  • TXT chaguo-msingi kwa uchimbaji wa maandishi wa ndani, si pdftotext wala OCR
  • RTF hiari kupitia LibreOffice `writer_pdf_import`
  • Inasoma kila ukurasa; hakuna kigezo cha masafa ya kurasa
  • API isiyo na jina: /api/v1/convert/pdf/text

Lini utumie

  • Kutupa ripoti yenye safu ya maandishi kwenye grep au hati-andishi
  • Kupata rasimu ya awali ya RTF kutoka kwa memo iliyozaliwa kidijitali
  • Kuangalia kama PDF ina safu ya maandishi kabisa
  • Kuvuta maneno ya mwongozo wa sera kwenye kihariri ili kulinganisha na toleo la zamani

Ninatoaje maandishi kutoka kwenye PDF?

  1. Hakikisha PDF ina safu ya maandishi kwa kuchagua neno katika kitazamaji; usipoweza, fanya OCR kwanza na utumie Markdown inayorudishwa.
  2. Pakia PDF na uingize nenosiri lake ukulizwapo na ukurasa.
  3. Acha TXT kwa maandishi mfululizo unayoweza kuyatafuta, au chagua RTF tu ikiwa unataka rasimu ya maandishi tajiri ya LibreOffice.
  4. Bofya Chakata na pakua `.txt` au `.rtf`; jina linalingana na upakiaji.
  5. Kagua kurasa za kwanza na za mwisho dhidi ya PDF. Faili tupu humaanisha hakuna safu ya maandishi; mpangilio uliochanganyika humaanisha PDF huhifadhi maandishi yake nje ya mpangilio wa kusoma.

Mipaka na hali maalum

  • Si OCR; skani hutoa maandishi kidogo au hakuna
  • Hakuna udhibiti wa masafa ya kurasa
  • Mpangilio wa kuonekana wa safu nyingi haujengwi upya kwa TXT
  • Hakuna vichwa, orodha wala majedwali vinavyojengwa upya katika TXT
  • RTF inahitaji LibreOffice kwenye seva na ni ujenzi upya wa takriban
  • Kikomo cha kupakia kwenye tovuti hii: MB 500 kwa kila faili, likitumwa kwa vipande zaidi ya takriban MB 95. Mwili wa ombi moja la moja la API una kikomo cha MB 100.

Mifano

  • Ripoti ya mwaka inayochaguliwa kwa kielekezi kwa kawaida hutoa .txt ndefu ya aya zake
  • PDF ya ubao mweupe uliopigwa picha kwa kawaida hutoa faili tupu au ndogo sana
  • Mwongozo wa kurasa 30 uliozaliwa kidijitali uitwao handbook.pdf hupakuliwa kama handbook.txt
  • outputFormat ya `docx` iliyotumwa kwenye endpoint hii hurudisha 400 inayoorodhesha txt na rtf

Faragha ya zana hii

Faili hupakiwa kupitia HTTPS, zinachakatwa kwenye kumbukumbu au folda ya muda mfupi kwenye seva zetu, na kufutwa matokeo yakiwa tayari. Hatuhifadhi nakala kwa kuvinjari baadaye, mafunzo, au wasifu wa matangazo. Tazama Sera ya Faragha kwa maelezo ya uhifadhi na ufichuzi wa vidakuzi vya AdSense.

Maswali ya kawaida

Kwa nini faili ya maandishi ni tupu?
PDF haina vitu vya maandishi ambavyo kitoa-maandishi kinaweza kusoma. Skani zinahitaji OCR kuwa Markdown; Markdown hiyo haiwezi kurudishwa kwenye zana hii.
Je, TXT ni sawa na kunakili kutoka kitazamaji?
Karibu, lakini si sawa kabisa. Mpangilio hufuata jinsi maandishi yanavyohifadhiwa kwenye mkondo wa maudhui ya ukurasa, ambao unaweza kutofautiana na mpangilio wa kusoma wa kuonekana kwenye mipangilio ya safu nyingi.
Ninafaa lini kuchagua RTF?
Tu unapotaka LibreOffice ijenge upya hati. TXT ndiyo uchimbaji wa moja kwa moja na haihitaji soffice.
Je, hii huhifadhi fonti na mpangilio?
TXT ni maandishi matupu. RTF ni ujenzi upya wa juhudi bora, si nakala sawa pikseli kwa pikseli.
Je, ninaweza kutoa maandishi ya kurasa chache tu?
Si kwa zana hii; kila ukurasa husomwa. Endesha Toa kurasa kwanza ili kupunguza PDF hadi kurasa unazotaka, kisha ugeuze faili hiyo.
Ni zana ipi inanipa vichwa na orodha badala ya maandishi mfululizo?
PDF kuwa Markdown. PDF kuwa RTF (maandishi) hurudisha maandishi bila muundo.
PDF yangu ya skani ilitoa .txt tupu. Je, faili imeharibika?
Hapana. Skani ni picha za maandishi, kwa hiyo hakuna maandishi ya kitoa-maandishi kusoma. OCR hurudisha Markdown, unayoweza kuihifadhi na kuitumia kama maandishi.
Faili inayopakuliwa hupewa jina gani?
Jina la msingi la faili uliyopakia pamoja na `.txt` au `.rtf`, kwa mfano `minutes.pdf` huwa `minutes.txt`.
Kwa nini RTF ni polepole au haipatikani ikilinganishwa na TXT?
RTF hupitia LibreOffice kwenye seva. Ikiwa programu hiyo haipo, RTF hushindwa kwa kosa la utegemezi unaokosekana huku TXT ikiendelea kufanya kazi.

Ilisasishwa mwisho:

Tumia kutoka msimbo

Kila zana hapa ni REST. Matumizi bila kujisajili hayahitaji akaunti wala ufunguo wa API. Inafaa kivinjari, watengenezaji, na mawakala wa AI.

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

Pia inapatikana kama zana ya MCP kwa programu zinazotumia Model Context Protocol (JSON-RPC 2.0, POST /mcp). Maelezo kamili ya API

Itumie kupitia wakala wa AI

Skill

Ukiwa na skill hii, Claude Code, Codex, Cursor na mawakala wengine wa AI wanaweza kukuendeshea "PDF kuwa RTF (maandishi)": /skills/pdf123-pdf-to-text.md

Skill zote za mawakala

Faili inatumika kazi hii tu, kisha inafutwa yenyewe.