PDF文本提取工具
从PDF中提取文本
PDF文本提取工具是什么
把 PDF 里的文字层抽出来，变成可以复制、可以另存为 txt 的纯文本，并告诉你总页数。适合从电子书中摘段落、把报表数据粘进表格、或者判断一份 PDF 到底是文字版还是扫描版。
怎么用PDF文本提取工具
- 把 PDF 拖进上传区，或点击选择文件
- 需要把所有页连成一段就勾上「合并页面」，不勾则按页分隔
- 点「提取文字」按钮，等待处理
- 在下方的输出卡片里查看文字，可一键复制，也能下载成 output.txt
- 同一张卡片底部会显示这份 PDF 的总页数
示例
输入
一份 12 页的文字版 PDF，不勾选合并页面输出
文本框内为 12 页的文字（页与页之间换行分隔），总页数显示 12常见问题
PDF 会上传到服务器吗？
不会。pdf.js 在浏览器里解析文件，文本直接显示和下载，没有任何上传。
为什么提取出来是空的？
说明这份 PDF 没有文字层，几乎可以肯定是扫描件或图片型 PDF。请用 OCR 工具识别。
能保留原来的排版和图片吗？
不能。这个工具只输出纯文本，表格结构、字体、图片都不会保留。
中文 PDF 会乱码吗？
只要 PDF 内嵌了正确的文字编码就不会。少数用了自定义字体映射的老文件可能出现错字，这类只能走 OCR。
小提示
- 这个工具读的是 PDF 内嵌的文字层，扫描件（本质是图片）提不出任何内容——这时应该改用「OCR 图像和 PDF」
- 「合并页面」关闭时各页文字之间用换行分隔；合并后会变成连续一段，长文档建议先不合并，方便定位页码
- 排版复杂的文档（多栏、表格、公式）抽出来会有顺序错乱，这是 PDF 文本层的固有特性，不是工具问题