Một trang PDF là danh sách các lệnh vẽ, và những chữ trên đó thường là đối tượng văn bản thật chứ không phải ảnh. Trang này đọc thẳng các đối tượng đó, nên bạn nhận được ký tự có thể tìm kiếm, trích dẫn và chỉnh sửa, mà tệp không hề rời khỏi máy bạn.

Cách dùng

1. 1 Thả tệp PDF vào ô, hoặc bấm vào ô rồi chọn tệp.
2. 2 Đặt khoảng trang nếu bạn chỉ cần một phần, và chọn có giữ ngắt dòng hay không.
3. 3 Bấm Trích xuất văn bản, rồi sao chép kết quả hoặc tải về dưới dạng tệp .txt.

Trích xuất không phải là OCR

Nếu tệp PDF ra từ trình soạn thảo văn bản hay hệ thống xuất hóa đơn, các ký tự đã nằm sẵn bên trong và việc đọc là chính xác. Nếu nó đến từ máy quét hay camera điện thoại, trang giấy chỉ là một tấm ảnh và chẳng có gì để đọc; nhận ra những chữ ấy là nhận dạng ký tự quang học, một công việc khác và kém tin cậy hơn nhiều. Công cụ này nói cho bạn biết bạn đang ở trường hợp nào thay vì trả về một ô trống.

Ngắt dòng đến từ đâu

Tệp PDF không ghi lại dòng hay đoạn, chỉ ghi chữ đặt ở các tọa độ. Bộ đọc gom những mẩu nằm cùng độ cao vào một dòng và bắt đầu dòng mới khi độ cao thay đổi. Cách này hợp với tài liệu thông thường và chưa hoàn hảo với bố cục nhiều cột, nơi hai cột của một trang có thể xen vào nhau.

Chọn trang

Ô khoảng trang nhận từng trang lẻ và các khoảng, ngăn cách bằng dấu phẩy. Các số trùng bị bỏ và các trang được đọc theo thứ tự, nên viết lộn xộn cũng không sao. Số nằm ngoài khoảng sẽ bị từ chối chứ không lặng lẽ bỏ qua, vì một trang bị bỏ qua âm thầm nghĩa là phần chữ thiếu mà bạn không bao giờ nhận ra.

1-5        → 1, 2, 3, 4, 5
2, 7, 9    → 2, 7, 9
1-3, 10    → 1, 2, 3, 10
(bos)      → mọi trang

Một lưu ý về định dạng

Kết quả là văn bản thuần, nên chữ đậm, tiêu đề, bảng và hình ảnh không được giữ lại; một bảng sẽ thành các dòng chữ mất hết đường viền ô. Nếu bạn cần giữ bố cục, chuyển sang định dạng tài liệu mới là công cụ đúng, còn nếu chỉ cần các trang dưới dạng ảnh thì trang PDF sang JPG và PDF sang PNG làm việc đó.