使用方式
- 選擇輸出:推斷標題和清單的「Markdown」,或原樣的「純文字」。也可以加入分頁標記;只轉換部分頁面時,輸入頁碼,如 1-3, 5。
- 點選「選擇檔案」,或將 PDF 拖放到框內。逐頁擷取文字並立即轉換。
- 檢查框中的結果,然後複製或儲存為 .md 檔案(純文字為 .txt)。更改輸出或分頁標記後,會立即重新產生,不必重新讀取 PDF。
常見問題
標題和清單是怎麼辨識的?
PDF 中只有文字和位置,所以結構是推斷出來的。比內文大的行作為標題,並依大小排層級(最大的是 #);與內文同樣大小但整行粗體的短行,作為最深一層的標題。相鄰的行合併為段落,以項目符號或編號開頭的行作為清單。大多數頁面頂端或底部重複出現的文字(頁首、頁尾、頁碼)會被去掉。沒有線索的行保留為段落,所以文字不會遺失。表格目前依行輸出為文字。請檢查結果,並修正推斷錯誤的地方。
掃描版 PDF 可以轉換嗎?
掃描版 PDF 中只有頁面圖片而沒有文字,所以沒有可轉換的內容。這時本工具會引導你使用從頁面圖片中辨識文字的「PDF 轉文字(OCR)」。如果只有部分頁面沒有文字,會轉換其餘頁面,並提示沒有文字的頁面。能在 PDF 應用程式中選取文字的 PDF,可以在這裡轉換。
為什麼文字順序不對,或段落斷在奇怪的地方?
文字依 PDF 中儲存的順序擷取,通常就是閱讀順序。分欄的頁面,如果像 Word 那樣依欄儲存,就依欄的順序輸出;依行儲存的 PDF 則會左右欄交錯。直書的日文保留為一般段落,不推斷標題和清單。段落依行距和每行結束的位置合併,所以剛好在右邊界結束的段落可能會和下一段連在一起。
圖片、有密碼和有簽章的 PDF 會怎樣?
不包含圖片:PDF 中的圖片位置自由,無法判斷它屬於內文的哪個位置。可以用「擷取 PDF 圖片」另外擷取。開啟時需要密碼的 PDF 和限制複製的 PDF 不會轉換,請先用「PDF 解除密碼」去掉密碼。有簽章的 PDF 只是讀取,簽章保持原樣。
我的檔案會上傳到外部伺服器嗎?
不會。所有處理都在瀏覽器中進行,檔案不會離開你的裝置。頁面只會在你加入第一個檔案時,下載工具本身的程式碼。