PDF ke Teks

Cara mengambil teks dari PDF

1. Jatuhkan file PDF ke area unggah, atau klik area tersebut untuk memilih file. Alat ini menampilkan nama, jumlah halaman, dan ukurannya.
2. Jika perlu, ketik Halaman (opsional) yang ingin dibaca, misalnya 1-3, 5 atau 8-. Kosongkan kolom untuk mengekstrak semua halaman.
3. Pilih Urutan baca: Seperti tersimpan di file (terbaik untuk kolom) atau Atas ke bawah, kiri ke kanan.
4. Centang atau hapus centang Tambahkan pemisah halaman dan Pertahankan pemisah baris.
5. Klik Ekstrak teks. Dokumen yang panjang menampilkan kemajuan halaman demi halaman; Berhenti mengakhiri lebih awal dan menyimpan halaman yang sudah dibaca.
6. Periksa jumlah halaman, kata, karakter, dan baris, lalu klik Salin atau Unduh .txt.

Kedua kotak centang bisa diubah setelah ekstraksi: teks langsung diformat ulang, tanpa membaca file lagi.

Lapisan teks atau halaman hasil pindai?

PDF yang dibuat oleh pengolah kata, spreadsheet, atau perintah “Simpan sebagai PDF” memuat lapisan teks: karakter asli beserta font dan posisinya. Alat ini membaca lapisan itu dengan PDF.js, sehingga hasilnya akurat, dengan aksen, ligatur, dan simbol yang utuh.

PDF hasil pindai berbeda: setiap halaman hanyalah foto kertas, dan tidak ada teks yang bisa dibaca. Ketika halaman terpilih tidak memiliki teks tetapi berisi gambar, alat ini memberi tahu dan menyebutkan halaman yang bersangkutan. OCR (pengenalan karakter optik) tidak disertakan: teks pada halaman hasil pindai tidak dapat diekstrak di sini. Halaman tanpa teks maupun gambar dilaporkan sebagai halaman kosong.

Urutan baca dan tata letak

PDF menyimpan potongan teks beserta koordinatnya, bukan paragraf. Alat ini menyusun kembali baris dari potongan yang berbagi garis dasar yang sama, menambahkan spasi di tempat ada celah yang terlihat, dan menyisakan baris kosong di tempat jarak vertikalnya besar, yang biasanya memisahkan paragraf.

• Seperti tersimpan di file (terbaik untuk kolom) mengikuti urutan saat perangkat lunak pembuat menulis teks. Untuk sebagian besar dokumen, termasuk artikel dua kolom, ini adalah urutan baca yang wajar.
• Atas ke bawah, kiri ke kanan mengurutkan berdasarkan posisi di halaman. Coba opsi ini jika pilihan pertama menghasilkan teks yang acak; perlu diingat bahwa opsi ini membaca lurus melintasi kolom.

Dengan Tambahkan pemisah halaman, setiap halaman diawali baris seperti --- Halaman 3 ---, berguna untuk mengutip atau memeriksa sebuah bagian.

Menggabungkan baris menjadi paragraf

Dengan Pertahankan pemisah baris dicentang, setiap baris di PDF tetap menjadi satu baris teks. Hapus centang untuk menggabungkan baris-baris dalam setiap paragraf menjadi satu, yang lebih baik untuk ditempel ke dokumen atau penerjemah. Kata yang terpotong tanda hubung di akhir baris, seperti “con-” + “toh”, disambung kembali jika baris berikutnya diawali huruf kecil. Batasannya: kata majemuk yang kebetulan terpotong pada tanda hubungnya sendiri (“well-” + “known”) kehilangan tanda hubung itu, jadi periksa kembali bagian yang penting.

Privasi

PDF dibaca oleh browser Anda, di perangkat Anda. File maupun teks hasil ekstraksi tidak dikirim ke server.