将 PDF 转换为文本
提取 PDF 中的文字并转换为文本（TXT 文件）的免费工具。有文字数据的页面直接提取，扫描页面中的文字用 OCR（文字识别）读取。PDF 在浏览器内处理，不会上传到外部。OCR 一次最多可识别 200 页（处理较慢的设备为 30 页）。可打开的 PDF 每个文件最大 200 MB（手机和平板为 100 MB）。
只有在 PDF 含有没有文字数据的页面（扫描页面等）或文字数据乱码的页面时，首次运行才会从本站获取 AI 模型（约 17 MB），之后使用浏览器中保存的副本。PDF 不会上传到外部。
设置
使用方法
- 1
添加 PDF
选择或拖放要转为文本的 PDF。可以一次添加多个 PDF。PDF 不会上传到外部。
- 2
选择文档语言和页面分隔
在「文档语言」中选择 PDF 所用的语言（识别扫描页面时使用）。只转换部分页面时，在「页面范围」中输入。页面之间的分隔在「页面分隔」中选择。
- 3
转为文本并保存
点击「开始」后，会生成提取了 PDF 文字的 TXT 文件。用「保存」保存，或用「复制文本」复制全文。识别了扫描页面时，可以用「检查识别出的文字」确认识别出的行。
关于 PDF 转文字
有文字数据的页面，使用 Chrome 的 PDF 显示也在使用的 PDFium 提取文字（不使用 AI 模型）。没有文字数据的页面和文字数据乱码的页面（选中文字后会变成其他字），会在浏览器中运行 PaddleOCR 的文字识别模型（PP-OCRv6，Apache-2.0）进行识别。只有这时，首次运行才会从本站获取 AI 模型（约 17 MB），之后使用浏览器中保存的副本。对于有文字数据的页面较多的 PDF，会在获取 AI 模型之前询问是否识别。无法使用 GPU（WebGPU）的设备会使用 CPU 处理，耗时比使用 GPU 时更长。
已有 OCR 文字数据的页面，会提取其中的文字。文字数据与图片混合的页面，会提取文字，并识别不与文字数据重叠的部分。用 OCR 识别的页数超过一次可识别的数量时，会从头识别没有文字数据的页面，并显示未识别页面的页码。保存的文件是 UTF-8 编码的文本文件（.txt）。页面之间的分隔可在「页面分隔」中选择（默认为「--- 1 / 3 ---」这样的分隔行）。
本工具的规格
- 输入
- 输出
- TXT
- 限制
- 不限文件数量（可批量处理）；每个文件最大 200 MB（手机和平板为 100 MB）；用 OCR 识别的页面一次最多 200 页（使用 CPU 处理的设备为 30 页；超出的页面会显示页码）
- 免费・无需注册・无需安装应用
- 文件不会上传到外部（在浏览器内处理）
常见问题
PDF 会发送到服务器吗？
不会。PDF 的读取、文字的提取和识别全部在您设备的浏览器中完成。为修复问题而收集的处理统计（页数的范围、提取了文字的页数和用 OCR 识别的页数的范围、每页处理时间的范围、错误类型等）会发送到本站服务器。统计中不包含 PDF 的内容、提取出的文字、识别出的文字、文件名、密码和指定的页面范围。可以在页面底部的「发送处理统计」开关中停止发送统计。
扫描版 PDF 也能提取文字吗？
可以。没有文字数据的页面和文字数据乱码的页面，会用 OCR（文字识别）读取文字。本工具以横排的印刷文字为对象。竖排的页面也会识别，但错误比横排多，并且可能漏掉标点。手写文字不在对象范围内。如果想保持 PDF 格式并使其可以搜索，请使用「PDF OCR」。
有密码或作者设置了限制的 PDF 也能提取文字吗？
可以。有密码的 PDF，输入打开密码后即可打开。作者禁止复制和提取的 PDF，在输入权限密码之前不会提取文字。本工具不会猜测密码，如果不知道权限密码，请向 PDF 的作者确认。文本（TXT 文件）无法设置密码或限制，因此保存的文件任何人都能打开。用黑色方框等注释遮住的文字，只要仍以文字数据留在文件中，也会被提取出来；要从文件中删除文字，请使用「PDF 涂黑」。
提取出的文本会有错误吗？
会有。用 OCR 识别的页面，根据文字大小、扫描分辨率以及纸张上的污渍和倾斜，可能会识别错误或漏掉文字。表格中字间距较大的数字，比其他文字更容易识别错误。在「文档语言」中选择日语时，JIS 第 2 水准以外的汉字和表情符号可能会被识别为形状相近的字。分栏和表格的顺序可能与阅读顺序不同。有文字数据的页面按 PDF 中保存的顺序排列；用 OCR 识别的页面，单元格较长的表格可能会按列排列。点击「检查识别出的文字」，会在页面上叠加显示用 OCR 识别出的行，可能有误的行以不同颜色显示。
诚邀协助提升服务品质
转换或压缩失败时，若能把当时的情况发送给我们，将有助于查明原因。了解哪些设备、哪些格式更容易失败，以及处理需要多长时间之后，我们就能调整支持的格式并修复相应问题。如果方便，保持开启会帮上很大的忙。
会发送的信息
- 使用的工具和所选设置（输出格式、质量等）
- 设备性能（有无 GPU、内存、核心数）
- 输入格式和大致大小
- 成功与失败的数量和耗时
- 失败时的错误类型和内容
不会发送的信息
- 文件本身、文件名
- PDF 中的文字、改写或涂黑的文字、密码、字体名称和指定的页面范围
- 识别出的文字和识别出的行的位置
- IP 地址
数据只发送到本站自有服务器，不会交给第三方服务。
包括各工具发送的明细在内的全部项目，请参阅隐私政策中的“处理统计”。
本工具发送的明细（仅数量、时间、类型和有无）
本工具除“会发送的信息”外，还会发送以下明细。
- PDF 工具（通用）
- 页数范围、是否禁止编辑、是否输入了权限密码、是否有电子签名、是否加密。
- PDF 转文字
- 输入和输出的数量，提取了文字的页数、已有 OCR 文字数据的页数、文字数据与图片混合的页数、用 OCR 识别的页数、识别后未找到文字的页数、文字数据乱码的页数、空白页数、作为竖排重新排列的页数、修正了方向的页数、因未获取 AI 模型而未识别的页数和因超过一次可识别的数量而未识别的页数，识别出的行数和字数，以及因与已有文字或注释重叠而未识别的区域数和字数（均为范围），竖排的行和可能有误的行所占比例的范围，每页处理时间和 AI 模型加载时间的范围，AI 模型的种类和版本以及是否进行了获取，获取 AI 模型之前是否进行了询问，绘制分辨率的范围以及是否降低了分辨率，为查找文字而分割图片的数量的范围，预计所需时间是否超过 15 分钟，以及 GPU 是否变得不可用。