PDF 转文本

文本提取结果乱码时

有时提取功能确实返回了文本，但内容是错误的：可能出现随机符号、方框，或沿字母表偏移的字母。这是因为PDF中的字体没有将字形映射回真实字符的对应表，而某些设计和印刷软件会省略这部分信息。页面看起来正常，是因为软件绘制的是图形；底层字符却不是页面上显示的字母。请将此文件视为扫描件，并使用扫描PDF转文本处理。

较轻微的异常通常有更简单的原因：fi和fl被合并为单个连字字符，或者因为PDF分别放置每个字母，导致一个单词被拆成两部分。

整理提取的文本

打印行会被提取为单独的行，因此段落每隔几个词就会出现换行，行末带连字符的单词也会保持拆分状态。页眉、页脚和页码会在正文中每页重复一次。在引用或重新使用文本前，请先清除这些内容；如果文本要作为一个整体使用，也请删除页面标签。

要统计文档中的单词或字符数，请将清理后的文本粘贴到字数统计中；直接从原始提取结果统计，会把所有页眉和标签也计算进去。

使用方法

1. 选择一个 PDF 文件。
2. 提取文本。
3. 复制文本或下载 .txt 文件。

隐私与限制

文件会在浏览器中打开并重新处理，绝不会上传；当文档是合同、扫描件或其他你不会交给陌生人的内容时，这一点尤其重要。扫描版PDF不包含可提取的文本，工具会明确报告这一情况，而不是返回一个空文件。