تبدیل PDF به TXT: استخراج متن از PDF
برای استخراج متن از PDF، فایل را آپلود کنید و TXT را به‌عنوان خروجی انتخاب کنید. سرور ما لایه متنی PDF را می‌خواند، خطوط شکسته را دوباره به پاراگراف تبدیل میکند، همه قالب‌بندی‌ها را حذف میکند و یک فایل txt. با رمزگذاری UTF-8 و نشانه ترتیب بایت (BOM) ذخیره میکند تا حروف خاص و غیرلاتین درست نمایش داده شوند. PDFهای اسکن‌شده لایه متنی ندارند و OCR انجام نمی‌شود، بنابراین متنی به دست نمی‌دهند.
- رایگان، بدون ثبت‌نام
- حذف فایل‌ها ظرف 30 دقیقه
- تا 100 مگابایت
فایل‌ها ظرف 30 دقیقه برای همیشه از سرورهای ما حذف میشوند.
نحوه تبدیل PDF به TXT
فایل PDF خود را آپلود کنید
فایل PDF را روی بخش آپلود بکشید یا آن را انتخاب کنید (تا 100 مگابایت).
TXT را به‌عنوان مقصد نگه دارید
TXT از قبل در منو انتخاب شده است؛ در صورت نیاز می‌توانید فرمت دیگری انتخاب کنید.
تبدیل و دانلود
روی «تبدیل» بزنید تا دانلود فایل تبدیل‌شده به‌صورت خودکار شروع شود.
چه چیزی حفظ میشود؟
حفظ میشود
- همه متن قابل استخراج به ترتیب خوانش
- شکست پاراگراف‌ها
- نویسه‌های یونیکد (UTF-8 با BOM)
تغییر میکند
- عنوانها و موارد فهرست به خطوط ساده تبدیل میشوند
منتقل نمی‌شود
- پررنگ، ایتالیک، رنگ‌ها و فونت‌ها
- تصاویر
- ساختار جدول
چه زمانی استفاده کنیم
دادن متن به ابزارهای هوش مصنوعی و اسکریپت‌ها
وقتی میخواهید PDF را در یک چت‌بات، سرویس ترجمه یا اسکریپت خودتان بچسبانید، یک فایل متنی تمیز و بدون شلوغی چیدمان قابل‌پیش‌بینی‌ترین ورودی است و از نویسه‌های اضافی ناشی از کپی و پیست جلوگیری میکند.
جست‌وجو و مقایسه نسخه‌های سند
متن ساده جست‌وجو در PDFها را با هر ویرایشگر یا ابزار خط فرمان آسان میکند و به شما امکان می‌دهد دو نسخه از یک قرارداد یا گزارش را با ابزار استاندارد diff مقایسه کنید و دقیقاً ببینید چه چیزی تغییر کرده است.
محدودیت‌هایی که باید بدانید
- بدون OCR: PDFهای اسکن‌شده خطای خروجی خالی می‌دهند.
- PDFهای رمزگذاری‌شده پذیرفته نمی‌شوند.
- در صفحه‌های چندستونه، ترتیب خطوط از چیدمان داخلی PDF پیروی میکند.
درباره فرمت‌ها
PDF چیست؟
PDF (Portable Document Format) فرمت سندی با چیدمان ثابت است که Adobe ایجاد کرده و با شماره ISO 32000 استاندارد شده است. هر متن، تصویر و خط همراه با موقعیتش در صفحه ذخیره میشود، بنابراین PDF روی همه دستگاه‌ها یکسان به نظر می‌رسد و چاپ قابل اعتمادی دارد. در عوض ویرایش آن دشوار است: PDF موقعیت‌ها را در صفحه ذخیره میکند، نه پاراگراف‌ها و جدول‌ها را. PDFهای اسکن‌شده فقط تصویر صفحه دارند و برای استخراج متن به OCR (تشخیص نوری کاراکتر) نیاز دارند.
TXT چیست؟
فایل TXT فقط شامل نویسه‌هاست و قالب‌بندی، تصویر یا اطلاعات چیدمان صفحه ندارد. این فایل در همه برنامه‌ها از Notepad تا ویرایشگرهای کد باز میشود و کوچک‌ترین و قابل‌حمل‌ترین نوع سند است. نمایش درست حروف خاص و غیرلاتین به رمزگذاری نویسه‌ها بستگی دارد؛ UTF-8 که استاندارد امروز است تقریباً همه زبان‌ها را پوشش می‌دهد. متن ساده برای جست‌وجو، بایگانی و انتقال محتوا بین سیستم‌ها ایده‌آل است.
پرسش‌های متداول
چرا فایل TXT من خالی است یا خطا گرفتم؟
به احتمال زیاد PDF شما اسکن است. PDFهایی که با اسکنر یا دوربین گوشی ساخته میشوند فقط تصویر صفحه دارند و متن قابل انتخاب ندارند و این سرویس OCR انجام نمی‌دهد. اگر نمی‌توانید کلمات PDF را با ماوس هایلایت کنید، پیش از استخراج متن آن را با یک ابزار OCR پردازش کنید.
فایل TXT از چه رمزگذاری نویسه‌ای استفاده میکند؟
خروجی UTF-8 همراه با نشانه ترتیب بایت (BOM) است. این ترکیب باعث میشود حروف فارسی و عربی، نویسه‌های خاص مانند ş و ğ و سایر خط‌های غیرلاتین در Notepad ویندوز، TextEdit مک و ویرایشگرهای کد بدون تغییر دستی رمزگذاری درست نمایش داده شوند.
اگر بخواهم عنوانها و فهرستها حفظ شوند چه کنم؟
متن ساده نمیتواند عنوان، متن پررنگ یا تصویر ذخیره کند. اگر فایلی سبک میخواهید که همچنان عنوانها و فهرستها را مشخص کند، PDF را به Markdown تبدیل کنید؛ اگر سندی کاملاً قالببندیشده و قابل ویرایش لازم دارید، PDF را به Word تبدیل کنید.
آیا تبدیل PDF به TXT رایگان است؟
بله، کاملاً رایگان. حساب کاربری، اشتراک یا واترمارکی در کار نیست — فقط فایل خود را آپلود و تبدیل کنید.
آیا فایل من امن است و چه زمانی حذف میشود؟
فایل شما از طریق HTTPS منتقل میشود و با یک کد تصادفی روی سرور ما نگهداری میشود. فایل آپلودشده و خروجی ظرف 30 دقیقه برای همیشه حذف میشوند و لینک دانلود فقط برای کسی که کد یکتای شما را دارد کار میکند.