Konversi PDF ke teks

Alat PDF ke Teks FileReshape membaca lapisan teks setiap halaman dan menyimpannya sebagai satu file .txt UTF-8 biasa, atau menampilkannya siap disalin. Teks diekstrak di browser Anda, dan PDF tidak diunggah. PDF hasil pindai tanpa lapisan teks tidak menghasilkan teks karena alat ini tidak melakukan OCR, kolom dan tabel bisa berantakan, dan tata letak tidak dipertahankan.

Letakkan file PDF Anda di sini atau klik untuk memilih

Ada file yang tidak terkonversi dengan benar? Kirim e-mail ke [email protected], sebaiknya disertai contoh file kecil, dan masalahnya akan diperbaiki.

Fakta singkat

Masukan: PDF (.pdf). Keluaran: Teks biasa (.txt).
File Anda tidak diunggah: prosesnya dilakukan di browser, di perangkat Anda sendiri.
Ukuran file: tidak ada batas tetap; file yang sangat besar dibatasi oleh memori perangkat Anda.
Membutuhkan browser terbaru (Chrome, Edge, Firefox, atau Safari) di komputer, tablet, atau ponsel; tidak ada yang perlu diinstal.
Gratis digunakan, tanpa pendaftaran.

Mengapa mengubah PDF menjadi teks biasa

Menyalin teks dari pembaca PDF cukup untuk satu kalimat, tetapi untuk seluruh dokumen, hasilnya membawa pemisah baris yang aneh, melewatkan halaman, atau berhenti di ujung layar. Alat ini membaca lapisan teks setiap halaman dan memberi Anda satu file teks biasa dalam UTF-8, siap untuk editor teks, alat terjemahan, skrip, atau pencarian. Teks juga muncul di halaman dengan tombol Salin teks, sehingga Anda bisa menempelkannya di tempat lain tanpa mengunduh apa pun. Pilih bagaimana halaman dipisahkan: baris penanda pendek seperti “--- Halaman 2 ---”, baris kosong, atau karakter form feed untuk alat yang menghitung halaman dengan cara itu. Banyak PDF, terutama hasil pindai, sama sekali tidak memiliki lapisan teks; alat ini memberi tahu halaman mana yang terpengaruh, bukan menyerahkan file kosong.

Cara mengekstrak teks dari PDF

Letakkan PDF Anda di kotak, atau klik untuk memilihnya.
Pilih apa yang ditempatkan di antara halaman.
Klik Ekstrak teks, lalu unduh file .txt atau salin teks dari kotak di bawahnya.

Apa yang berubah saat Anda mengonversi

PDF hasil pindai tidak memiliki teks

Pemindai atau kamera ponsel menyimpan setiap halaman sebagai gambar. Kecuali OCR (pengenalan teks) dijalankan saat PDF dibuat, tidak ada teks yang bisa diekstrak, dan alat ini tidak melakukan OCR. Halaman tanpa teks didaftar menurut nomornya, sehingga PDF yang mencampur halaman ketikan dan lampiran hasil pindai tetap berguna.

Kolom dan tabel

Teks keluar dalam urutan yang disimpan PDF. Untuk paragraf biasa, itulah urutan membaca. Koran dengan beberapa kolom, formulir, dan tabel bisa keluar kolom demi kolom atau dengan sel yang menyatu dalam satu baris, jadi periksa dulu sebelum Anda mengandalkan hasilnya.

Karakter aneh

Sebagian PDF, sering kali yang lebih lama atau file dari driver cetak tertentu, memakai font tanpa tabel yang menyatakan huruf apa untuk setiap bentuk. Teksnya bisa tampak benar di layar tetapi keluar sebagai simbol tak bermakna. Itu sifat file tersebut; alat lain yang membaca lapisan teks yang sama akan mendapat hasil yang sama.

Tata letak tidak dipertahankan

File .txt tidak memiliki font, teks tebal, gambar, atau tata letak halaman, hanya karakter dan pemisah baris. Header, footer, dan nomor halaman yang tercetak di halaman merupakan bagian dari teks dan muncul di setiap halaman.

Tentang format file

PDF

PDF (Portable Document Format) dibuat oleh Adobe pada 1993 dan menjadi standar ISO sejak 2008. PDF tampil sama di setiap perangkat, sehingga banyak dipakai untuk kontrak, faktur, formulir, buku panduan, dan dokumen hasil pindai.

Satu halaman dapat berisi teks, grafik vektor, dan gambar, masing-masing ditempatkan dengan tepat.
Dokumen hasil pindai biasanya berupa satu gambar per halaman.
PDF dapat dilindungi dengan kata sandi yang diperlukan untuk membuka atau mengeditnya.

Teks biasa

File teks biasa (.txt) hanya berisi karakter dan pemisah baris: tanpa font, warna, gambar, atau tata letak. Karena itu, ini adalah format dokumen yang paling portabel, dapat dibaca oleh setiap editor, alat pencari, dan bahasa pemrograman.

Encoding menentukan cara huruf selain A-Z disimpan; UTF-8 mencakup semua alfabet.
Windows mengakhiri baris dengan CR LF, Mac dan Linux dengan LF; editor modern membaca keduanya.
Tidak ada tata letak halaman, sehingga pemisah halaman ditulis sebagai baris penanda atau karakter form feed.

Pertanyaan yang sering diajukan

Apakah PDF saya diunggah?

Tidak. Teks dibaca oleh browser Anda di perangkat Anda sendiri, dan baik PDF maupun teksnya tidak dikirim ke mana pun.

Encoding apa yang dipakai file teks?

UTF-8, yang mempertahankan huruf seperti æ, ü, dan é, serta karakter dari alfabet lain. Setiap editor teks saat ini, termasuk Notepad di Windows 10 dan 11 dan TextEdit di Mac, membukanya dengan benar.

Bisakah saya mengekstrak teks dari PDF yang dilindungi kata sandi?

Tidak jika memerlukan kata sandi untuk dibuka. Hapus dulu kata sandi di pembaca PDF Anda, lalu ekstrak teksnya di sini.

Bisakah saya mengambil teks dari beberapa halaman saja?

Alat ini membaca seluruh dokumen. Untuk mengambil beberapa halaman, ekstrak dulu halaman itu ke PDF baru lalu konversi file tersebut, atau pertahankan penanda halaman dan hapus yang tidak Anda perlukan di editor teks.