แปลง PDF เป็นข้อความ
PDF เป็นข้อความ คือเครื่องมือที่ดึงข้อความที่มีอยู่แล้วใน PDF แล้วส่งกลับเป็นไฟล์ .txt ธรรมดาหรือ RTF ไม่รัน OCR ไฟล์สแกนที่เป็นภาพล้วนจึงออกมาว่าง
ลากไฟล์มาที่นี่ หรือคลิกเพื่อเลือก
รองรับ PDF · ไม่เกิน 500.0 MB ต่อไฟล์ · สูงสุด 20 ไฟล์ต่อครั้ง
คุณวางไฟล์ด้วย Ctrl/Cmd+V หรือจากเมนูคลิปบอร์ดได้เช่นกัน
PDF เป็นข้อความดึงคำที่มีอยู่แล้วในรูปอ็อบเจ็กต์ข้อความ เส้นทาง `txt` ซึ่งเป็นค่าเริ่มต้นใช้ตัวดึงข้อความเนทีฟตัวเดียวกับปฏิบัติการ pdf-core อื่น ๆ (`pdfio::extract_text`) และคืน `text/plain` ไม่รัน OCR และไม่เรียก LibreOffice
ถ้าเลือก `rtf` ไฟล์จะผ่าน LibreOffice `writer_pdf_import` แทน เส้นทางนั้นต้องมี `soffice` บนเซิร์ฟเวอร์ และสร้างเอกสารริชเท็กซ์แบบคร่าว ๆ ขึ้นใหม่ ควรคาดว่าแบบอักษรจะถูกแทนที่และตารางอาจเพี้ยน ให้ถือว่า RTF เป็นฉบับร่าง
สแกนที่เป็นภาพล้วนจะได้ `.txt` ที่ว่างหรือเกือบว่าง OCR บนเว็บไซต์นี้คืน Markdown ไม่ใช่ PDF ที่ค้นหาได้ซึ่งส่งกลับมาที่นี่ได้
ไม่มีช่องกำหนดช่วงหน้า ระบบอ่านทุกหน้า ไฟล์ที่มีรหัสผ่านจะถูกปลดล็อกให้ในหน้านี้เมื่อคุณใส่รหัสผ่าน ส่วนผู้เรียก API ให้รันถอดรหัสผ่านก่อน
ถ้าต้องการหัวข้อและรายการแทนข้อความที่ดึงออกมาล้วน ๆ PDF เป็น Markdown ใกล้เคียงกว่า ถ้าต้องการตารางเป็นแถว ให้ใช้ PDF เป็น CSV หรือ PDF เป็น Excel
ไฟล์ผลลัพธ์ใช้ชื่อฐานของไฟล์ที่อัปโหลด ดังนั้น `minutes.pdf` จะเป็น `minutes.txt` หรือ `minutes.rtf` เส้นทาง TXT โหลดเอกสารทั้งฉบับ ขอให้ตัวดึงข้อความอ่านทุกหน้าในการเรียกครั้งเดียว แล้วคืนสตริงเป็น `text/plain` ค่า outputFormat อื่นที่ไม่ใช่ `txt` หรือ `rtf` จะถูกปฏิเสธด้วย 400 ที่ระบุสองค่าที่อนุญาต
ตัวอย่างการใช้งาน: คู่มือนโยบาย 30 หน้าที่สร้างจากโปรแกรมประมวลผลคำโดยตรง (born-digital) ให้รันด้วย TXT แล้วเปิดผลลัพธ์ในตัวแก้ไข คุณควรเห็นย่อหน้าและหัวข้อเป็นบรรทัดข้อความ ซึ่งค้นหาหรือส่งให้สคริปต์ได้ ส่วนสแกนของคู่มือเล่มเดียวกันที่เครื่องถ่ายเอกสารบันทึกเป็นหนึ่งภาพต่อหนึ่งหน้า จะได้ไฟล์ที่ว่างหรือเกือบว่าง เพราะไม่มีอ็อบเจ็กต์ข้อความให้อ่าน
วิธีทดสอบชั้นข้อความอย่างเร็ว: ถ้าคุณใช้เคอร์เซอร์เลือกคำในโปรแกรมดู PDF ได้ แสดงว่าตัวดึงข้อความมีสิ่งให้อ่าน ถ้าเลือกไม่ได้ ไฟล์นั้นเป็นภาพ เครื่องมือนี้ไม่มี OCR และเครื่องมือ OCR ของเว็บไซต์คืน Markdown ดังนั้นสำหรับสแกน วิธีที่ใช้ได้จริงคือทำ OCR ก่อน แล้วทำงานต่อจาก Markdown นั้น
ถ้าผลลัพธ์ได้คำถูกแต่ลำดับผิด แสดงว่า PDF น่าจะเก็บข้อความในลำดับที่ต่างจากลำดับที่เห็นด้วยตา ซึ่งพบบ่อยกับเลย์เอาต์หลายคอลัมน์ ลองใช้ PDF เป็น Markdown ซึ่งใช้ตัวดึงข้อความคนละตัว หรือคัดลอกหน้าที่ได้รับผลกระทบด้วยมือ ถ้า RTF ล้มเหลวพร้อมข้อผิดพลาดว่าขาดส่วนที่ต้องพึ่งพา แสดงว่าเซิร์ฟเวอร์ไม่ได้ติดตั้ง LibreOffice ให้ใช้ TXT แทน
ความสามารถ
- TXT เป็นค่าเริ่มต้น ผ่านการดึงข้อความเนทีฟ ไม่ใช่ pdftotext และไม่ใช่ OCR
- เลือก RTF ได้ ผ่าน LibreOffice `writer_pdf_import`
- อ่านทุกหน้า ไม่มีพารามิเตอร์ช่วงหน้า
- API แบบไม่ระบุตัวตนที่ /api/v1/convert/pdf/text
ใช้เมื่อไหร่
- ดึงรายงานที่มีชั้นข้อความไปใช้กับ grep หรือสคริปต์
- ได้ฉบับร่าง RTF คร่าว ๆ จากบันทึกข้อความที่สร้างมาจากไฟล์ดิจิทัลโดยตรง
- ตรวจว่า PDF มีชั้นข้อความอยู่หรือไม่
- ดึงถ้อยคำของคู่มือนโยบายเข้าตัวแก้ไขเพื่อเทียบกับฉบับเก่า
ดึงข้อความจากไฟล์ PDF ได้อย่างไร
- ตรวจว่า PDF มีชั้นข้อความโดยลองเลือกคำในโปรแกรมดู PDF ถ้าเลือกไม่ได้ ให้ทำ OCR ก่อนแล้วใช้ Markdown ที่ได้
- อัปโหลด PDF และใส่รหัสผ่านหากหน้านี้ถาม
- คง TXT ไว้สำหรับข้อความล้วนที่ค้นหาได้ หรือเลือก RTF เฉพาะเมื่อต้องการฉบับร่างริชเท็กซ์จาก LibreOffice
- คลิกเริ่มประมวลผล แล้วดาวน์โหลด `.txt` หรือ `.rtf` ชื่อไฟล์จะตรงกับไฟล์ที่อัปโหลด
- สุ่มตรวจหน้าแรกและหน้าสุดท้ายเทียบกับ PDF ไฟล์ว่างหมายถึงไม่มีชั้นข้อความ ลำดับสลับกันหมายถึง PDF เก็บข้อความไว้นอกลำดับการอ่าน
ข้อจำกัดและกรณีพิเศษ
- ไม่ใช่ OCR สแกนให้ข้อความน้อยมากหรือไม่ได้เลย
- ไม่มีตัวควบคุมช่วงหน้า
- TXT ไม่สร้างลำดับการอ่านตามสายตาของหลายคอลัมน์ขึ้นใหม่
- TXT ไม่สร้างหัวข้อ รายการ หรือตารางขึ้นใหม่
- RTF ต้องมี LibreOffice บนเซิร์ฟเวอร์ และเป็นการสร้างใหม่แบบคร่าว ๆ
- ขีดจำกัดการอัปโหลดบนเว็บไซต์นี้: ไฟล์ละ 500 MB โดยไฟล์ที่ใหญ่กว่าประมาณ 95 MB จะถูกส่งเป็นส่วน ๆ ส่วนเนื้อหาของคำขอ API โดยตรงหนึ่งครั้งจำกัดที่ 100 MB
ตัวอย่าง
- รายงานประจำปีที่เลือกข้อความได้มักได้ .txt ยาวของย่อหน้าต่าง ๆ
- PDF ภาพถ่ายไวท์บอร์ดมักได้ไฟล์ว่างหรือเล็กมาก
- คู่มือ born-digital 30 หน้าชื่อ handbook.pdf ดาวน์โหลดมาเป็น handbook.txt
- ส่ง outputFormat เป็น `docx` มาที่เอนด์พอยต์นี้จะได้ 400 ที่ระบุ txt และ rtf
ความเป็นส่วนตัวของเครื่องมือนี้
ไฟล์อัปโหลดผ่าน HTTPS ประมวลผลในหน่วยความจำหรือไดเรกทอรีชั่วคราวอายุสั้นบนเซิร์ฟเวอร์ของเรา และลบเมื่อผลลัพธ์พร้อม เราไม่เก็บสำเนาไว้เปิดดูภายหลัง ฝึกโมเดล หรือสร้างโปรไฟล์โฆษณา รายละเอียดการเก็บรักษาและการเปิดเผยคุกกี้ AdSense อยู่ในนโยบายความเป็นส่วนตัว
คำถามที่พบบ่อย
- ทำไมไฟล์ข้อความว่าง
- PDF ไม่มีอ็อบเจ็กต์ข้อความให้ตัวดึงข้อความอ่าน สแกนต้องใช้ OCR เป็น Markdown และ Markdown นั้นส่งกลับเข้าเครื่องมือนี้ไม่ได้
- TXT เหมือนกับการคัดลอกจากโปรแกรมดู PDF ไหม
- ใกล้เคียง แต่ไม่เหมือนกันทุกประการ ลำดับเป็นไปตามวิธีที่ข้อความถูกเก็บในสตรีมเนื้อหาของหน้า ซึ่งอาจต่างจากลำดับการอ่านตามสายตาในเลย์เอาต์หลายคอลัมน์
- ควรเลือก RTF เมื่อไหร่
- เฉพาะเมื่อต้องการให้ LibreOffice สร้างเอกสารขึ้นใหม่ TXT เป็นการดึงข้อความโดยตรงและไม่ต้องใช้ soffice
- คงแบบอักษรและเลย์เอาต์ไว้ไหม
- TXT เป็นข้อความล้วน ส่วน RTF เป็นการสร้างใหม่อย่างสุดความสามารถ ไม่ได้ตรงกับต้นฉบับทุกพิกเซล
- ดึงข้อความเฉพาะบางหน้าได้ไหม
- เครื่องมือนี้ทำไม่ได้ เพราะอ่านทุกหน้า ให้รันดึงหน้าออกก่อนเพื่อตัด PDF ให้เหลือเฉพาะหน้าที่ต้องการ แล้วค่อยแปลงไฟล์นั้น
- เครื่องมือไหนให้หัวข้อและรายการ แทนข้อความที่ดึงออกมาล้วน ๆ
- PDF เป็น Markdown ส่วน PDF เป็นข้อความคืนข้อความโดยไม่มีโครงสร้าง
- PDF สแกนของฉันได้ .txt ว่าง ไฟล์เสียหรือเปล่า
- ไม่เสีย สแกนคือภาพของข้อความ จึงไม่มีข้อความให้ตัวดึงข้อความอ่าน OCR คืน Markdown ซึ่งคุณบันทึกไว้ใช้เป็นข้อความได้
- ไฟล์ที่ดาวน์โหลดได้ชื่ออะไร
- ชื่อฐานของไฟล์ที่อัปโหลดตามด้วย `.txt` หรือ `.rtf` เช่น `minutes.pdf` จะเป็น `minutes.txt`
- ทำไม RTF ช้ากว่าหรือใช้ไม่ได้เมื่อเทียบกับ TXT
- RTF ผ่าน LibreOffice บนเซิร์ฟเวอร์ ถ้าไม่มีโปรแกรมนั้น RTF จะล้มเหลวพร้อมข้อผิดพลาดว่าขาดส่วนที่ต้องพึ่งพา ขณะที่ TXT ยังใช้งานได้
อัปเดตล่าสุด:
เรียกจากโค้ด
เครื่องมือทุกตัวบนเว็บนี้เป็น REST endpoint ธรรมดา ไม่ต้องมีบัญชีหรือคีย์ API ก็เรียกได้ ใช้ได้ทั้งเบราว์เซอร์ นักพัฒนา และเอเจนต์
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/text" \
-F "[email protected]" \
-F "outputFormat=txt" \
-o output.pdfมีเป็นเครื่องมือ MCP สำหรับไคลเอนต์เอเจนต์ที่รองรับ Model Context Protocol (JSON-RPC 2.0 ผ่าน POST /mcp) เอกสาร API ฉบับเต็ม
ใช้งานผ่านเอเจนต์ AI
สกิลเมื่อติดตั้งสกิลนี้ Claude Code, Codex, Cursor และเอเจนต์ AI อื่น ๆ จะใช้ "PDF เป็นข้อความ" แทนคุณได้: /skills/pdf123-pdf-to-text.md
ไฟล์ใช้เฉพาะงานนี้ เสร็จแล้วลบอัตโนมัติ