把 PDF 轉成文字
PDF 轉文字擷取 PDF 中已有的文字,以純文字 .txt 檔案回傳,也可選 RTF。它不執行 OCR,所以純影像掃描檔擷取出來是空的。
把檔案拖到這裡,或點一下選擇
支援 PDF · 每個檔案上限 500.0 MB · 一次最多 20 個檔案
也可以按 Ctrl/Cmd+V 或從剪貼簿選單貼上檔案。
PDF 轉文字抽出已經作為文字物件存在的文字。預設 `txt` 路徑使用與其他 pdf-core 操作相同的原生抽取器(`pdfio::extract_text`),回傳 `text/plain`。不執行 OCR,也不呼叫 LibreOffice。
選 `rtf` 時,檔案改走 LibreOffice `writer_pdf_import`。那條路徑需要伺服器上的 `soffice`,並重建一份粗略的豐富文字文件。字型替換與表格錯位是常態,請把 RTF 當草稿。
純影像掃描檔會得到空的或幾乎為空的 `.txt`。本站 OCR 回傳的是 Markdown,不是可再送回這裡的可搜尋 PDF。
本頁沒有頁面範圍欄位,每一頁都會讀取。有密碼保護的檔案,在你輸入密碼後會在本頁為你解鎖;API 呼叫端需先執行移除密碼。
若要標題與清單而不是純文字傾印,PDF 轉 Markdown 是更接近的工具。若要把表格取成列,請用 PDF 轉 CSV 或 PDF 轉 Excel。
輸出沿用上傳檔案的主檔名,所以 `minutes.pdf` 會變成 `minutes.txt` 或 `minutes.rtf`。TXT 路徑會載入整份文件,一次向抽取器要求所有頁面,並把字串以 `text/plain` 回傳。`txt` 或 `rtf` 以外的 outputFormat 會被以 400 拒絕,並列出這兩個允許值。
一個實例:從文書處理軟體匯出的 30 頁原生電子版規章手冊。以 TXT 執行並用編輯器開啟結果,你應該會看到段落與標題成為一行行文字,可以搜尋或交給腳本處理。同一份手冊若是用影印機掃描、每頁存成一張圖片,得到的會是空的或幾乎為空的檔案,因為沒有文字物件可讀。
快速檢查文字層:如果你在檢視器裡能用游標選取一個字,抽取器就有東西可讀;選不到,檔案就是圖片。本工具沒有 OCR;本站的 OCR 工具回傳 Markdown,所以對掃描檔而言,實際的做法是先 OCR,再從那份 Markdown 繼續處理。
如果輸出的字都對,但順序不對,那麼 PDF 儲存文字的順序可能與視覺順序不同,這在多欄版面中很常見。請試試使用不同抽取器的 PDF 轉 Markdown,或手動複製受影響的那一頁。如果 RTF 因缺少相依元件而失敗,表示伺服器沒有安裝 LibreOffice;請改用 TXT。
功能
- 預設 TXT 走原生文字抽取,不是 pdftotext,也不是 OCR
- 可選 RTF,經 LibreOffice `writer_pdf_import`
- 讀取每一頁;沒有頁面範圍參數
- 匿名 API:/api/v1/convert/pdf/text
適用情境
- 把帶文字層的報告倒進 grep 或腳本
- 從原生電子版備忘錄得到一份粗略的 RTF 草稿
- 檢查一份 PDF 到底有沒有文字層
- 把規章手冊的文字拉進編輯器,與舊版做比對
如何擷取 PDF 中的文字?
- 在檢視器中選取一個字,確認 PDF 有文字層;選不到的話,請先 OCR,再使用它回傳的 Markdown。
- 上傳 PDF,若頁面要求密碼就輸入。
- 想要可搜尋的純文字傾印就保留 TXT;只有想要 LibreOffice 豐富文字草稿時才選 RTF。
- 點選處理,下載 `.txt` 或 `.rtf`;檔名與上傳檔案一致。
- 把第一頁與最後一頁抽樣與 PDF 核對。空檔案表示沒有文字層;順序混亂表示 PDF 儲存文字的順序不是閱讀順序。
限制與邊界
- 不是 OCR;掃描檔幾乎抽不出字
- 沒有頁面範圍控制
- TXT 不重建多欄的視覺閱讀順序
- TXT 不重建標題、清單或表格
- RTF 需要伺服器上有 LibreOffice,且是粗略的重建
- 本網站的上傳上限:每個檔案 500 MB,超過約 95 MB 時分塊上傳。直接呼叫 API 時,單一請求本文上限為 100 MB。
示例
- 可選取文字的年報通常會得到一份包含其段落的長 .txt
- 白板拍照 PDF 通常得到空白或極小的檔案
- 名為 handbook.pdf 的 30 頁原生電子版手冊會下載為 handbook.txt
- 對此端點送出 outputFormat 為 `docx`,會得到列出 txt 與 rtf 的 400
本工具的隱私說明
檔案經 HTTPS 上傳,在伺服器記憶體或短期暫存目錄中處理,結果就緒後即刪除。我們不會為日後瀏覽、訓練或廣告輪廓保留副本。留存期限與 AdSense Cookie 說明見隱私權政策。
常見問題
- 為什麼文字檔是空的?
- PDF 裡沒有可供抽取器讀取的文字物件。掃描檔需要 OCR 轉 Markdown;那份 Markdown 不能再送回本工具。
- TXT 和從檢視器複製一樣嗎?
- 接近,但不完全相同。順序跟隨頁面內容串流中文字的存放方式,多欄版面可能和視覺閱讀順序不一致。
- 什麼時候該選 RTF?
- 只有在你想讓 LibreOffice 重建文件時。TXT 是直接抽取,不需要 soffice。
- 會保留字型與版面嗎?
- TXT 是純文字。RTF 是盡力重建,不是像素級相符。
- 可以只抽取部分頁面的文字嗎?
- 本工具不行;每一頁都會讀取。請先用擷取頁面把 PDF 裁成你要的頁面,再轉換那個檔案。
- 哪個工具能給我標題與清單,而不是純文字傾印?
- PDF 轉 Markdown。PDF 轉文字回傳的是不帶結構的文字。
- 我的掃描 PDF 得到空的 .txt,是檔案壞了嗎?
- 不是。掃描檔是文字的圖片,抽取器沒有文字可讀。OCR 會回傳 Markdown,你可以儲存下來當作文字使用。
- 下載的檔案叫什麼名字?
- 上傳檔案的主檔名加上 `.txt` 或 `.rtf`,例如 `minutes.pdf` 會變成 `minutes.txt`。
- 為什麼 RTF 比 TXT 慢,或者無法使用?
- RTF 要經過伺服器上的 LibreOffice。如果缺少該程式,RTF 會以缺少相依元件的錯誤失敗,而 TXT 仍可使用。
最後更新:
用程式碼呼叫
本站每個工具都是普通 REST 介面。匿名使用不需要帳號或 API Key,給瀏覽器、開發者與 AI 代理同樣可用。
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/text" \
-F "[email protected]" \
-F "outputFormat=txt" \
-o output.pdf也提供 MCP 工具,供說 Model Context Protocol 的用戶端呼叫(JSON-RPC 2.0,POST /mcp)。 完整 API 文件
在 AI 代理中使用
Skill裝上這個 Skill,Claude Code、Codex、Cursor 等 AI 代理就能替你完成「PDF 轉文字」: /skills/pdf123-pdf-to-text.md
檔案只用於本次處理,完成後自動刪除。