Chuyển PDF sang văn bản
PDF sang văn bản trích phần chữ đã có sẵn trong PDF và trả về tệp .txt thuần hoặc RTF. Công cụ không chạy OCR, nên bản quét chỉ gồm ảnh sẽ ra trống.
Kéo tệp vào đây, hoặc nhấp để chọn
Nhận PDF · tối đa 500.0 MB mỗi tệp · tối đa 20 tệp mỗi lần
Bạn cũng có thể dán tệp bằng Ctrl/Cmd+V hoặc từ menu clipboard.
PDF sang văn bản trích các từ đã tồn tại dưới dạng đối tượng chữ. Đường `txt` mặc định dùng cùng bộ trích cục bộ như các thao tác pdf-core khác (`pdfio::extract_text`) và trả về `text/plain`. Không chạy OCR, cũng không gọi LibreOffice.
Chọn `rtf` thì tệp đi qua LibreOffice `writer_pdf_import`. Đường đó cần `soffice` trên máy chủ và dựng lại một tài liệu văn bản giàu định dạng ở mức thô. Hãy chuẩn bị tinh thần gặp phông bị thay và bảng bị lệch; hãy coi RTF là bản nháp.
Bản quét chỉ có ảnh cho ra tệp `.txt` trống hoặc gần như trống. OCR trên trang này trả về Markdown, không phải PDF tìm kiếm được để đưa lại vào đây.
Không có trường phạm vi trang. Mọi trang đều được đọc. Tệp có mật khẩu được mở khóa giúp bạn ngay trên trang này khi bạn nhập mật khẩu; người gọi API chạy Gỡ mật khẩu trước.
Nếu bạn cần tiêu đề và danh sách thay vì một bãi chữ, PDF sang Markdown gần với nhu cầu hơn. Nếu bạn cần bảng thành từng hàng, hãy dùng PDF sang CSV hoặc PDF sang Excel.
Đầu ra giữ tên gốc của tệp tải lên, nên `minutes.pdf` thành `minutes.txt` hoặc `minutes.rtf`. Đường TXT nạp toàn bộ tài liệu, yêu cầu bộ trích lấy mọi trang trong một lần gọi và trả chuỗi dưới dạng `text/plain`. outputFormat khác `txt` hoặc `rtf` bị từ chối với lỗi 400 liệt kê hai giá trị cho phép.
Một trường hợp thực tế: sổ tay chính sách 30 trang sinh ra trực tiếp ở dạng số từ một trình soạn thảo văn bản. Chạy với TXT rồi mở kết quả trong trình soạn thảo: bạn sẽ thấy các đoạn và tiêu đề thành từng dòng chữ, có thể tìm kiếm hoặc đưa vào một script. Bản quét của chính cuốn sổ tay đó, lưu từ máy photocopy với mỗi trang là một ảnh, sẽ cho tệp trống hoặc gần như trống, vì không có đối tượng chữ nào để đọc.
Cách thử nhanh xem có lớp chữ hay không: nếu bạn bôi chọn được một từ bằng con trỏ trong trình xem, bộ trích có thứ để đọc. Nếu không, tệp là ảnh. Công cụ này không có OCR; công cụ OCR của trang trả về Markdown, nên với bản quét, cách thực tế là OCR trước rồi làm việc từ Markdown đó.
Nếu đầu ra có đúng các từ nhưng sai thứ tự, nhiều khả năng PDF lưu chữ theo thứ tự khác với thứ tự nhìn thấy, điều thường gặp ở bố cục nhiều cột. Hãy thử PDF sang Markdown, dùng bộ trích khác, hoặc sao chép thủ công trang bị ảnh hưởng. Nếu RTF lỗi do thiếu phụ thuộc, nghĩa là máy chủ chưa cài LibreOffice; hãy dùng TXT.
Tính năng
- TXT mặc định qua trích chữ cục bộ, không phải pdftotext, cũng không OCR
- RTF tùy chọn qua LibreOffice `writer_pdf_import`
- Đọc mọi trang; không có tham số phạm vi trang
- API ẩn danh tại /api/v1/convert/pdf/text
Khi nào nên dùng
- Đổ báo cáo có lớp chữ vào grep hoặc một script
- Lấy bản nháp RTF thô từ một bản ghi nhớ sinh ra ở dạng số
- Kiểm tra xem PDF có lớp chữ hay không
- Đưa nội dung một sổ tay chính sách vào trình soạn thảo để so với phiên bản cũ
Làm thế nào để trích chữ từ PDF?
- Kiểm tra PDF có lớp chữ bằng cách bôi chọn một từ trong trình xem; nếu không được, hãy OCR trước và dùng Markdown nhận về.
- Tải PDF lên và nhập mật khẩu nếu trang yêu cầu.
- Giữ TXT cho bản chữ thuần có thể tìm kiếm, hoặc chỉ chọn RTF nếu bạn muốn một bản nháp văn bản giàu định dạng từ LibreOffice.
- Nhấp Bắt đầu xử lý và tải `.txt` hoặc `.rtf`; tên tệp khớp với tệp tải lên.
- Kiểm tra nhanh trang đầu và trang cuối so với PDF. Tệp trống nghĩa là không có lớp chữ; thứ tự bị xáo nghĩa là PDF lưu chữ không theo thứ tự đọc.
Giới hạn và ngoại lệ
- Không phải OCR; bản quét cho rất ít hoặc không có chữ
- Không điều khiển được phạm vi trang
- TXT không dựng lại thứ tự nhìn thấy của bố cục nhiều cột
- TXT không dựng lại tiêu đề, danh sách hay bảng
- RTF cần LibreOffice trên máy chủ và chỉ là bản dựng lại thô
- Giới hạn tải lên trên trang web này: 500 MB mỗi tệp, tệp lớn hơn khoảng 95 MB được gửi theo từng phần. Một yêu cầu API trực tiếp bị giới hạn ở 100 MB.
Ví dụ
- Một báo cáo thường niên chọn được chữ thường cho ra tệp .txt dài gồm các đoạn của nó
- PDF chụp bảng trắng thường cho ra tệp trống hoặc rất nhỏ
- Sổ tay 30 trang sinh ở dạng số tên handbook.pdf được tải xuống là handbook.txt
- outputFormat là `docx` gửi đến endpoint này trả về lỗi 400 liệt kê txt và rtf
Quyền riêng tư của công cụ này
Tệp được tải lên qua HTTPS, xử lý trong bộ nhớ hoặc thư mục tạm ngắn hạn trên máy chủ của chúng tôi, rồi bị xóa khi kết quả sẵn sàng. Chúng tôi không giữ bản sao để xem lại sau, huấn luyện mô hình hay lập hồ sơ quảng cáo. Thời hạn lưu giữ và cookie AdSense nằm trong Chính sách quyền riêng tư.
Câu hỏi thường gặp
- Vì sao tệp văn bản trống?
- PDF không có đối tượng chữ để bộ trích đọc. Bản quét cần OCR sang Markdown; Markdown đó không đưa lại vào công cụ này được.
- TXT có giống sao chép từ trình xem không?
- Gần giống, nhưng không y hệt. Thứ tự theo cách chữ được lưu trong luồng nội dung của trang, có thể khác thứ tự đọc nhìn thấy ở bố cục nhiều cột.
- Khi nào nên chọn RTF?
- Chỉ khi bạn muốn LibreOffice dựng lại một tài liệu. TXT là bản trích trực tiếp và không cần soffice.
- Có giữ phông và bố cục không?
- TXT là văn bản thuần. RTF là bản dựng lại hết sức có thể, không khớp từng điểm ảnh.
- Tôi có thể chỉ trích chữ của một số trang không?
- Không với công cụ này; mọi trang đều được đọc. Hãy chạy Trích xuất trang trước để cắt PDF còn các trang bạn muốn, rồi chuyển đổi tệp đó.
- Công cụ nào cho tiêu đề và danh sách thay vì bãi chữ thuần?
- PDF sang Markdown. PDF sang văn bản trả về chữ không có cấu trúc.
- PDF quét của tôi cho ra .txt trống. Tệp có hỏng không?
- Không. Bản quét là ảnh của chữ, nên không có chữ nào để bộ trích đọc. OCR trả về Markdown, bạn có thể lưu lại và dùng làm văn bản.
- Tệp tải xuống được đặt tên gì?
- Tên gốc của tệp tải lên cùng `.txt` hoặc `.rtf`, ví dụ `minutes.pdf` thành `minutes.txt`.
- Vì sao RTF chậm hơn hoặc không dùng được so với TXT?
- RTF đi qua LibreOffice trên máy chủ. Nếu chương trình đó thiếu, RTF lỗi do thiếu phụ thuộc trong khi TXT vẫn hoạt động.
Cập nhật lần cuối:
Gọi bằng mã
Mỗi công cụ trên trang là một API REST thông thường. Dùng ẩn danh không cần tài khoản hay API key. Trình duyệt, lập trình viên và agent đều gọi được.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/text" \
-F "[email protected]" \
-F "outputFormat=txt" \
-o output.pdfCũng có dạng công cụ MCP cho client dùng Model Context Protocol (JSON-RPC 2.0, POST /mcp). Tài liệu API đầy đủ
Dùng từ AI agent
SkillVới skill này, Claude Code, Codex, Cursor và các AI agent khác có thể chạy "PDF sang văn bản" thay bạn: /skills/pdf123-pdf-to-text.md
Tệp chỉ dùng cho lần xử lý này, xong là tự xóa.