PDF 转文本
把 PDF 里的文字取成纯文本文件——为了阅读可以重新接成段落，为了数据可以一行一行保持原样。
怎么从 PDF 提取文字
- 选择你的 PDF。它立刻开始读取——没有什么需要按。
- 选择是把折行重新接成段落，还是完全照它们落下的样子保留。
- 保存 .txt，在任何地方打开它——它是纯 UTF-8 文本。
同一个名字下的两件不同的事
“把文字取出来”里藏着两件想要相反处理的任务。如果你打算读这个结果，或者把它粘到别处，你希望页面恰好折断的那些行被重新接回成句子。如果你要取的是一张表或一串编号，那些换行本身就是结构，把它们接起来就毁了它。
所以两种都提供，而不是替你猜。重新接行会用行间距来判断一个段落真正在哪里结束，并修好在换行处被连字符断开的词。保留行则把页面原样给你，一行就是一行。
文字来自 PDF 自己的文本层，所以它是文档确实含有的那些词，而不是从一张图片里猜出来的。这同时意味着，扫描的 PDF 里没有可以提取的文字——它装的是文字的照片。这个工具会直说，而不是递给你一个空文件。
输出是纯 UTF-8，任何编辑器、表格软件和脚本都能毫不费事地读。按定义，格式一点也不会保留：如果你想要标题和粗体，请改用 PDF 转 Word。
关于提取文字的问题
我的文件为什么是空的？
因为这个 PDF 是扫描件：它装的是页面的图片，不是文字。要读出那些词需要 OCR，而在线做 OCR 就意味着上传你的文档。这个工具会告诉你这一点，而不是递给你一个空白文件。
我该重新接行还是保留它们？
凡是你要阅读或当作文章粘贴的内容——报告、信函、文章——就重新接行。表格、代码、地址或清单请保留行，那里的换行带着意思，接起来就会毁掉它。
格式会一起过来吗？
不会，这正是纯文本的含义。粗体、标题、分栏和表格都会压平成词。如果你需要格式，PDF 转 Word 会保留段落、标题和字符样式。
多栏页面为什么乱了？
PDF 并不记录某个东西曾是一栏，所以文字是按它在文件里被放置的顺序读出的，在双栏版式里这常常意味着在两栏之间来回跳。这种情况下保留行而不是重新接行，通常更容易手工整理。
我的文档会被上传吗？
不会。你的浏览器读取 PDF，并在你的设备上写出 .txt。没有任何东西被发往别处。