把 PDF 转成文本
PDF 转文本提取 PDF 中已有的文字,以纯文本 .txt 文件返回,也可选 RTF。它不运行 OCR,所以纯图像扫描件提取出来是空的。
把文件拖到这里,或点击选择
支持 PDF · 单个文件不超过 500.0 MB · 一次最多 20 个文件
也可以按 Ctrl/Cmd+V 或从剪贴板菜单粘贴文件。
PDF 转文本抽出已经作为文字对象存在的词。默认 `txt` 路径用与其他 pdf-core 操作相同的本地抽取器(`pdfio::extract_text`),返回 `text/plain`。不跑 OCR,也不调用 LibreOffice。
选 `rtf` 时,文件改走 LibreOffice `writer_pdf_import`。那条路径需要服务器上的 `soffice`,并重建一份粗糙的富文本。字体替换和表格错位是常态。把 RTF 当草稿。
纯图像扫描件会得到空的或几乎为空的 `.txt`。本站 OCR 返回 Markdown,不是可再送回这里的可搜索 PDF。
本页没有页范围字段。每一页都会读。有密码保护的文件,在你输入密码后会在本页为你解锁;API 调用方需先运行移除密码。
若要标题和列表而不是纯文本,PDF 转 Markdown 更接近。若要表格成行,用 PDF 转 CSV 或 PDF 转 Excel。
输出沿用上传文件的主文件名,所以 `minutes.pdf` 会变成 `minutes.txt` 或 `minutes.rtf`。TXT 路径会载入整份文档,一次调用向抽取器要所有页,再把字符串以 `text/plain` 返回。`outputFormat` 不是 `txt` 或 `rtf` 时,会返回 400 并列出这两个允许的值。
一个实例:一份从文字处理软件导出的 30 页电子版制度手册。用 TXT 运行,再在编辑器里打开结果:你应该能看到按行排列的段落和标题,可以搜索,也可以交给脚本处理。同一份手册如果是复印机扫描、每页一张图,得到的就是空的或几乎为空的文件,因为没有可读的文字对象。
检验是否有文字层的简便办法:在阅读器里能用光标选中一个词,抽取器就有东西可读;选不中,文件就是图像。本工具没有 OCR,本站的 OCR 工具返回 Markdown,所以对扫描件,实用的做法是先 OCR,再从那份 Markdown 出发。
如果输出的词是对的但顺序不对,多半是 PDF 存储文字的顺序和视觉顺序不同,多栏版面里很常见。可以试试 PDF 转 Markdown,它用的是另一套抽取器,也可以手动复制受影响的那一页。如果 RTF 因缺少依赖而报错,说明服务器没有安装 LibreOffice;请改用 TXT。
功能
- 默认 TXT 走本地文字抽取,不是 pdftotext,也不是 OCR
- 可选 RTF,经 LibreOffice `writer_pdf_import`
- 读每一页;没有页范围参数
- 匿名 API:/api/v1/convert/pdf/text
适用场景
- 把带文字层的报告倒进 grep 或脚本
- 从电子版备忘录得到一份粗糙 RTF 草稿
- 检查一份 PDF 到底有没有文字层
- 把制度手册的文字拉进编辑器,与旧版本做对比
如何提取 PDF 中的文字?
- 在阅读器里选中一个词,确认 PDF 有文字层;选不中的话,先做 OCR,使用它返回的 Markdown。
- 上传 PDF;页面要求密码时,输入密码。
- 要可搜索的纯文本就保留 TXT;只有想要 LibreOffice 富文本草稿时才选 RTF。
- 点击处理,下载 `.txt` 或 `.rtf`;文件名与上传的文件一致。
- 抽查首页和末页,与 PDF 对照。文件为空说明没有文字层;顺序错乱说明 PDF 存储文字时不是按阅读顺序。
限制与边界
- 不是 OCR;扫描件几乎抽不出字
- 没有页范围控件
- TXT 不重建多栏的视觉阅读顺序
- TXT 不重建标题、列表或表格
- RTF 需要服务器上有 LibreOffice,而且只是粗略重建
- 本网站的上传上限:每个文件 500 MB,超过约 95 MB 时分块上传。直接调用 API 时,单个请求体上限为 100 MB。
示例
- 可选取的年报通常会得到一份很长的 .txt
- 白板拍照 PDF 通常得到空白或极小的文件
- 名为 handbook.pdf 的 30 页电子版手册会下载为 handbook.txt
- 向这个端点发送 `docx` 作为 outputFormat,会返回 400 并列出 txt 和 rtf
本工具的隐私说明
文件经 HTTPS 上传,在服务器内存或短期临时目录中处理,结果就绪后即删除。我们不会为日后浏览、训练或广告画像保留副本。留存期限与 AdSense Cookie 说明见隐私政策。
常见问题
- 为什么文本文件是空的?
- PDF 里没有可供抽取器读取的文字对象。扫描件需要 OCR 成 Markdown。那份 Markdown 不能再送进本工具。
- TXT 和从阅读器复制一样吗?
- 接近,但不相同。顺序跟随页面内容流里文字的存放方式。多栏版面可能和视觉阅读顺序不一致。
- 什么时候该选 RTF?
- 只有在你想让 LibreOffice 重建文档时。TXT 是直接抽取,不需要 soffice。
- 会保留字体和版式吗?
- TXT 是纯文本。RTF 是尽力重建,不是像素级匹配。
- 可以只提取部分页面的文字吗?
- 本工具不行,每一页都会读。请先用提取页面把 PDF 裁成你要的页,再转换那份文件。
- 哪个工具能给我标题和列表,而不是纯文本?
- PDF 转 Markdown。PDF 转文本返回的文字不带结构。
- 我的扫描 PDF 得到了空的 .txt,是文件坏了吗?
- 没有坏。扫描件是文字的图片,抽取器没有文字可读。OCR 返回 Markdown,你可以保存下来当作文字使用。
- 下载的文件叫什么名字?
- 上传文件的主文件名加上 `.txt` 或 `.rtf`,例如 `minutes.pdf` 会变成 `minutes.txt`。
- 为什么 RTF 比 TXT 慢,或者用不了?
- RTF 要经过服务器上的 LibreOffice。如果缺少这个程序,RTF 会因缺少依赖而失败,TXT 仍然可用。
最后更新:
用代码调用
本站每个工具都是普通 REST 接口。匿名使用不需要账号或 API Key,给浏览器、开发者和智能体同样可用。
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,供说 Model Context Protocol 的客户端调用(JSON-RPC 2.0,POST /mcp)。 完整 API 文档
在 AI 代理中使用
Skill装上这个 Skill,Claude Code、Codex、Cursor 等 AI 代理就能替你完成「PDF 转文本」: /skills/pdf123-pdf-to-text.md
文件只用于本次处理,完成后自动删除。