Konversi PDF ke teks

Alat gratis yang mengekstrak teks dari PDF dan mengonversinya menjadi file teks (TXT). Halaman yang memiliki teks diekstrak apa adanya, dan teks di halaman hasil pindaian dibaca dengan OCR (pengenalan karakter optik). PDF Anda diproses di peramban dan tidak pernah diunggah. OCR dapat membaca hingga 200 halaman sekaligus (30 halaman di perangkat yang pemrosesannya lebih lama). Anda dapat membuka PDF hingga 200 MB per file (100 MB di ponsel dan tablet).

Memeriksa lingkungan Anda…

Hanya jika PDF memiliki halaman tanpa teks (seperti halaman hasil pindaian) atau dengan teks rusak, penggunaan pertama mengunduh model AI (sekitar 17 MB) dari situs ini; penggunaan berikutnya memakai salinan yang tersimpan di peramban Anda. PDF Anda tidak pernah diunggah.

Setelan

Cara menggunakan

  1. 1

    Tambahkan PDF

    Pilih atau letakkan PDF yang akan dikonversi ke teks. Anda dapat menambahkan beberapa PDF sekaligus. PDF Anda tidak pernah diunggah.

  2. 2

    Pilih bahasa dokumen dan pemisah halaman

    Di “Bahasa dokumen”, pilih bahasa yang dipakai dalam PDF (digunakan saat membaca halaman hasil pindaian). Untuk mengonversi hanya sebagian halaman, masukkan di “Rentang halaman”. Pilih apa yang disisipkan di antara halaman di “Pemisah halaman”.

  3. 3

    Konversi dan simpan

    Tekan “Jalankan” untuk membuat file TXT berisi teks PDF. Simpan dengan “Simpan”, atau salin semuanya dengan “Salin teks”. Jika ada halaman hasil pindaian yang dibaca, Anda dapat memeriksa baris yang dikenali dengan “Periksa teks yang dikenali”.

Tentang mengonversi PDF ke teks

Halaman yang memiliki teks diekstrak dengan PDFium, mesin PDF yang juga dipakai di Chrome, tanpa model AI. Halaman tanpa teks dan halaman yang teksnya rusak (memilih teks menghasilkan karakter yang berbeda) dibaca dengan model pengenalan teks PaddleOCR (PP-OCRv6, Apache-2.0), yang berjalan di peramban Anda. Hanya dalam hal itu proses pertama mengunduh model AI (sekitar 17 MB) dari situs ini; proses berikutnya memakai salinan yang tersimpan di peramban Anda. Untuk PDF yang banyak halamannya memiliki teks, alat ini bertanya terlebih dahulu sebelum mengunduh model AI. Di perangkat yang tidak dapat memakai GPU (WebGPU), pemrosesan berjalan di CPU dan memakan waktu lebih lama daripada di GPU.

Untuk halaman yang sudah memiliki lapisan teks OCR, teks tersebut yang diekstrak. Untuk halaman yang mencampur teks dan gambar, teksnya diekstrak dan bagian yang tidak bertumpang tindih dengan teks dibaca. Jika halaman yang perlu dibaca dengan OCR lebih banyak daripada yang dapat dibaca sekaligus, halaman tanpa teks dibaca dari awal, dan nomor halaman yang tidak dibaca ditampilkan. File yang disimpan adalah file teks UTF-8 (.txt). Anda dapat memilih apa yang disisipkan di antara halaman di “Pemisah halaman” (secara default, garis pemisah seperti “--- 1 / 3 ---”).

Spesifikasi alat ini

Input
PDF
Output
TXT
Batas
Tanpa batas jumlah file (pemrosesan massal). Hingga 200 MB per file (100 MB di ponsel dan tablet). Hingga 200 halaman dibaca dengan OCR sekaligus (30 halaman di perangkat yang memproses dengan CPU; nomor halaman yang melebihinya ditampilkan)
  • Gratis, tanpa daftar, tanpa aplikasi yang perlu dipasang
  • File tidak pernah diunggah (diproses di peramban Anda)

Pertanyaan umum

Apakah PDF saya dikirim ke server?

Tidak. Membuka PDF, mengekstrak teks, dan membaca teks di halaman hasil pindaian semuanya dilakukan di peramban pada perangkat Anda. Statistik yang membantu kami memperbaiki masalah (rentang jumlah halaman, rentang jumlah halaman yang teksnya diekstrak dan yang dibaca dengan OCR, rentang waktu per halaman, jenis kesalahan, dan sebagainya) dikirim ke server situs ini. Statistik ini tidak mencakup isi PDF, teks yang diekstrak, teks yang dikenali, nama file, kata sandi, atau rentang halaman yang Anda masukkan. Anda dapat menonaktifkan statistik dengan sakelar “Kirim statistik pemrosesan” di bagian bawah halaman.

Apakah alat ini dapat mengekstrak teks dari PDF hasil pindaian?

Ya. Halaman tanpa teks dan halaman yang teksnya rusak dibaca dengan OCR (pengenalan karakter optik). Alat ini dibuat untuk teks cetak yang ditulis mendatar. Halaman bertulisan vertikal juga dapat dibaca, tetapi dengan lebih banyak kesalahan daripada teks mendatar, dan tanda baca dapat terlewat. Tulisan tangan tidak didukung. Untuk membuat PDF dapat dicari dan tetap menyimpannya sebagai PDF, gunakan “OCR PDF”.

Apakah alat ini dapat mengekstrak teks dari PDF yang dilindungi kata sandi atau yang dibatasi pembuatnya?

Ya. PDF yang dilindungi kata sandi dapat dibuka setelah Anda memasukkan kata sandi pembukanya. Jika pembuatnya membatasi penyalinan dan ekstraksi, alat ini tidak mengekstrak teks sampai Anda memasukkan kata sandi izin. Alat ini tidak menebak kata sandi, jadi jika Anda tidak tahu kata sandi izinnya, tanyakan kepada orang yang membuat PDF tersebut. File teks (TXT) tidak dapat membawa kata sandi atau pembatasan, sehingga siapa pun dapat membuka file yang Anda simpan. Teks yang tersembunyi di bawah anotasi seperti kotak hitam juga diekstrak jika masih ada di file sebagai teks, jadi untuk menghapus teks dari file, gunakan “Sensor PDF”.

Apakah teks yang diekstrak dapat mengandung kesalahan?

Ya. Di halaman yang dibaca dengan OCR, beberapa karakter dapat salah dibaca atau terlewat, bergantung pada ukuran teks, resolusi pindaian, serta noda atau kemiringan kertas. Angka yang berjarak lebar dalam tabel lebih sering salah dibaca daripada teks lain. Jika “Jepang” dipilih sebagai bahasa dokumen, karakter di luar kanji JIS tingkat 1 dan 2 serta emoji dapat terbaca sebagai karakter yang mirip. Kolom dan tabel dapat keluar dengan urutan yang berbeda dari urutan baca. Halaman yang memiliki teks mengikuti urutan yang tersimpan di PDF, dan di halaman yang dibaca dengan OCR, tabel dengan sel panjang dapat keluar satu kolom demi satu kolom. Tekan “Periksa teks yang dikenali” untuk melihat baris yang dibaca dengan OCR diberi garis tepi di halaman, dengan baris yang lebih mungkin mengandung kesalahan ditampilkan dengan warna berbeda.

Bantu kami meningkatkan layanan

Jika konversi atau kompresi gagal, mengirimkan kondisinya kepada kami membantu menemukan penyebabnya. Dengan mengetahui perangkat dan format mana yang paling sering gagal, serta berapa lama pemrosesan berlangsung, kami dapat merevisi format yang didukung dan memperbaiki masalah di baliknya. Jika Anda tidak keberatan, membiarkan ini tetap aktif sangat membantu.

Yang dikirim

  • Alat yang Anda gunakan dan setelan yang Anda pilih (format output, kualitas, dll.)
  • Spesifikasi perangkat Anda (GPU, memori, jumlah inti)
  • Format input beserta perkiraan ukurannya
  • Berapa file yang berhasil atau gagal dan berapa lama prosesnya
  • Jenis dan detail kesalahan jika terjadi kegagalan

Yang tidak pernah dikirim

  • File itu sendiri dan nama file
  • Teks di dalam PDF, teks yang Anda tulis ulang atau sensor, kata sandi, nama font, dan rentang halaman yang Anda masukkan
  • Teks yang dikenali dan posisi baris yang dikenali
  • Alamat IP

Data hanya dikirim ke server situs ini sendiri, tidak pernah ke layanan pihak ketiga.
Untuk daftar lengkap, termasuk detail yang dikirim setiap alat, lihat “Statistik pemrosesan” di kebijakan privasi.

Detail yang dikirim oleh alat ini (hanya jumlah, waktu, jenis, dan ya/tidak)

Selain “Yang dikirim”, alat ini mengirim detail berikut.

Alat PDF (semua)
Rentang jumlah halaman, apakah pengeditan dibatasi, apakah kata sandi izin dimasukkan, dan apakah PDF ditandatangani atau dienkripsi.
PDF ke teks
Jumlah input dan output, jumlah halaman yang teksnya diekstrak, halaman yang sudah memiliki teks OCR, halaman yang mencampur teks dan gambar, halaman yang dibaca dengan OCR, halaman yang dibaca tetapi tidak ditemukan teks, halaman dengan teks rusak, halaman kosong, halaman yang disusun ulang sebagai teks vertikal, halaman yang orientasinya dikoreksi, halaman yang tidak dibaca karena model AI tidak diunduh, dan halaman yang tidak dibaca karena melebihi jumlah halaman yang dapat dibaca sekaligus, jumlah baris dan karakter yang dibaca, serta jumlah area dan karakter yang tidak dibaca karena tumpang tindih dengan teks atau anotasi yang ada (semuanya sebagai rentang), rentang proporsi baris vertikal dan baris yang lebih mungkin mengandung kesalahan, rentang waktu per halaman dan waktu pemuatan model AI, jenis dan versi model AI serta apakah model diunduh, apakah alat bertanya sebelum mengunduh model AI, rentang resolusi render dan apakah resolusi diturunkan, rentang jumlah bagian yang dipotong dari gambar untuk mencari teks, apakah perkiraan waktu melebihi 15 menit, dan apakah GPU menjadi tidak tersedia.

Alat terkait