mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-10 09:14:34 +01:00
44 lines
1.8 KiB
Markdown
44 lines
1.8 KiB
Markdown
---
|
||
title: PDF 轉文字
|
||
description: 從 PDF 檔案擷取純文字內容。支援多個 PDF 批次擷取，並輸出為 TXT 檔案。
|
||
---
|
||
|
||
# PDF 轉文字
|
||
|
||
從 PDF 檔案擷取所有文字內容，並儲存為純 `.txt` 檔案。支援批次處理：上傳多個 PDF，一次操作即可擷取每個檔案的文字。由 PyMuPDF 驅動。
|
||
|
||
## 運作方式
|
||
|
||
1. 點選拖放區或將檔案拖曳到其中，上傳一個或多個 PDF。使用新增更多與清除按鈕管理檔案清單。
|
||
2. 點選**擷取**開始處理。
|
||
3. 單一檔案會下載為 `filename.txt`。多個檔案會產生 `pdf-to-text.zip` 壓縮檔。
|
||
|
||
## 選項
|
||
|
||
此工具沒有可設定的選項。所有頁面的文字內容都會依閱讀順序擷取。
|
||
|
||
## 輸出格式
|
||
|
||
- **單一檔案**：`filename.txt`
|
||
- **多個檔案**：`pdf-to-text.zip`，每個輸入 PDF 各有一個 `.txt`。
|
||
|
||
## 使用情境
|
||
|
||
- 從 PDF 報告擷取內文，建立全文搜尋索引。
|
||
- 將 PDF 電子書或文章轉換為純文字，以便在電子墨水裝置上閱讀。
|
||
- 從合約或法律文件擷取文字進行關鍵字分析。
|
||
- 移除 PDF 的格式，取得乾淨的文字供資料處理腳本使用。
|
||
- 從 PDF 封存檔準備自然語言處理用的文字語料。
|
||
|
||
## 小技巧
|
||
|
||
- 掃描的 PDF（僅含圖片）會產生空白的文字檔，因為沒有可擷取的文字層。請先對掃描文件執行 OCR。
|
||
- 輸出會保留 PyMuPDF 所判讀的閱讀順序，通常為由左至右、由上至下。多欄版面可能產生交錯的文字。
|
||
- 若要包含標題與格式的結構化輸出，請試試 [PDF 轉 Markdown](./pdf-to-markdown)。若要適合 AI 使用的結構化 JSON，請使用 [為 AI 準備 PDF](./prepare-pdf-for-ai)。
|
||
|
||
## 相關工具
|
||
|
||
- [PDF 轉 Markdown](./pdf-to-markdown)
|
||
- [為 AI 準備 PDF](./prepare-pdf-for-ai)
|
||
- [PDF 轉 Word](./pdf-to-word)
|