PDF إلى نص

يقرأ طبقة النص ولا يجري OCR. يعمل في هذا التبويب. الملف لا يُرفع.

تصريح اليوم بـ $6 يدوم 24 ساعة، ويُحصَّل مرة واحدة، ولا يتجدد. الأسعار

هذا الاختيار لا يحمّل سكربت إعلان. يبقى في هذا المتصفح.

ماذا يُبقي هذا النص

PDF إلى نص يقرأ طبقة النص الموجودة أصلًا في PDF وينزّل document.txt. كل صفحة تُبقي العناصر التي لها سلسلة str ومصفوفة transform. x هو الفهرس 4 في transform وy هو الفهرس 5. يُتجاهل العنصر الذي يصبح str فيه فارغًا بعد القص. الأسطر هي خطوط أساس ضمن 2 وحدة: العناصر التي تقع قيم y لها ضمن 2 تشترك في سطر واحد. تُرتَّب الأسطر تنازليًا حسب y، لذا أعلى الصفحة أولًا. داخل السطر تُرتَّب العناصر تصاعديًا حسب x، من اليسار إلى اليمين، وتُضم قيم str بمسافة واحدة. أسطر الصفحة الواحدة تُضم بسطر جديد. الصفحات تُضم بسطر فارغ. العمود الثاني الذي يشارك خط الأساس يقع في ذلك السطر نفسه. هذه الصفحة لا تعيد بناء الأعمدة أو الخطوط أو الصور.

القراءة تجري في هذا التبويب مع workers مفتوحة المصدر. الملف لا يُرفع. لا توجد نسخة في GridFS. إغلاق التبويب يسقط النسخة. PDF إلى Word موجود في /pdf-to-word وتلك الصفحة ترفع الملف. OCR موجود في /ocr-pdf. صورة كل صفحة هي /pdf-to-jpg.

لا يوجد سقف صفحات منشور. يجب أن يتسع التبويب للملف. إذا لم يستطع المتصفح إبقاء PDF، لا تكتمل القراءة. هذه الصفحة بلا حساب. تمريرة اليوم $6، تُحصَّل مرة واحدة، لـ 24 ساعة، ولا تتجدد. السنة $60 لـ 365 يومًا. لا يلزم أي من الرسمين لقراءة طبقة نص هنا. الملف المجاني على الخادم هو تحويل واحد من PDF إلى Word، حتى 20 صفحة، وهو ليس هذه الصفحة وليس OCR. OCR ليس مجانيًا.

الملف الفارغ، وأي ملف لا يُفتح، يفشل مع "This PDF could not be read." ملف PDF المحمي بكلمة مرور يفشل مع "This PDF is protected. Unlock it in this tab first." هذه الصفحة لا تخمّن كلمة مرور. ملف PDF بلا صفحات يفشل مع "This PDF has no pages." المسح بلا طبقة نص يفشل مع "This PDF has no text layer. A scan needs OCR, which this page does not do." يُرجع العامل السلسلة. لا يُرجع PDF ولا يستدعي OCR.

الخطوات

ضع الملف. يبقى في هذا اللسان.
اضبط الخيار الوحيد في الصفحة، إن وُجد.
نزّل النتيجة. إغلاق اللسان يسقط النسخة.

أسئلة

ماذا يحتوي document.txt؟

طبقة النص. الأسطر خطوط أساس ضمن 2 وحدة، أعلى الصفحة أولًا، من اليسار إلى اليمين، بمسافة واحدة. الصفحات يفصلها سطر فارغ. اسم الملف document.txt. ليس ملف Word وليس PDF. لا تُعاد بناء الأعمدة أو الخطوط أو الصور. العمود الثاني الذي يشارك خط الأساس يقع في ذلك السطر نفسه.

هل يرفع PDF إلى نص الملف؟

لا. يعمل في هذا التبويب مع workers مفتوحة المصدر. الملف لا يُرفع. لا توجد نسخة في GridFS. إغلاق التبويب يسقط النسخة. الصفحة التي ترفع هي PDF إلى Word في /pdf-to-word.

هل يبقى العمودان عمودين؟

لا. الأسطر خطوط أساس ضمن 2 وحدة، من اليسار إلى اليمين. العمود الثاني الذي يشارك خط الأساس يقع في ذلك السطر نفسه. لا تُعاد بناء الأعمدة أو الخطوط أو الصور. التنزيل هو document.txt، وليس ملف Word وليس PDF.

ماذا لو كان PDF مسحًا؟

المسح بلا طبقة نص يُرفض مع "This PDF has no text layer. A scan needs OCR, which this page does not do." OCR صفحة أخرى، /ocr-pdf، وهو رفع مدفوع. تمريرة اليوم $6، تُحصَّل مرة واحدة، لـ 24 ساعة، ولا تتجدد. السنة $60 لـ 365 يومًا. OCR ليس مجانيًا. الملف المجاني على الخادم هو تحويل واحد من PDF إلى Word، حتى 20 صفحة، وهو ليس هذه الصفحة وليس OCR. صور الصفحة هي /pdf-to-jpg، وتبقى في هذا التبويب ولا تقرأ الحروف.