PDF 提取文本
从 PDF 中提取文本。文件永不离开您的设备 —— 所有处理都在浏览器内本地完成。
设计即私密
您的文件永不离开您的设备。所有处理均在浏览器本地完成 —— 无上传、无服务器。
将 PDF 拖放到此处
或点击选择文件
您的文件永不离开您的设备。
Extracts the text content stream of each page. Scanned (image-only) PDFs have no text layer — the result will be empty for those files.
PDF 提取文本使用 PDF.js 在 Web Worker 中读取每页的文本内容流。结果在页面内预览中显示，并可下载为 .txt 文件，还提供复制到剪贴板按钮以便粘贴到其他应用。提取完全在浏览器内完成，文件不会被上传。仅扫描（纯图像）的 PDF 没有文本层，结果将为空；本工具如实反映这一情况，而非伪造 OCR。
工作原理
如何使用 PDF 提取文本
- 1拖入 PDF. 将 PDF 文件拖放到拖放区，或点击从设备选择文件。
- 2可选：设置页面范围. 输入如 1,3,5-7 仅从这些页面提取文本。留空则提取所有页面。
- 3执行「PDF 提取文本」. PDF.js 在 Web Worker 中于您的设备内读取每页的文本内容流。
- 4预览、复制或下载. 提取的文本显示在预览区。可复制到剪贴板或下载为 .txt 文件。
功能
此工具的功能
- 从所有或选定页面提取文本
- 可选保留布局（根据页面布局插入换行）
- 页面内预览，含每页明细
- 复制到剪贴板或下载为 .txt
- 无需上传 —— 在浏览器内完全运行
限制
须知事项
- 仅扫描（纯图像）的 PDF 没有文本层 —— 结果将为空（不执行 OCR；参见 OCR 指南）
- 布局重建为尽力而为；复杂多栏布局可能与视觉阅读顺序不一致
- ToUnicode 映射损坏的嵌入字体可能产生乱码
- 图像内的文本不会被提取（仅读取真正的文本内容流）
常见问题
常见问题解答
为什么结果为空？
PDF 很可能是仅扫描（纯图像）的，或文本被烘焙到图像中。内容流中没有可提取的文本。解决办法是 OCR —— 关于可信的本地 OCR 工具，请参阅"如何让 PDF 可搜索"。IXPDF 不会在浏览器中伪造 OCR（精度不够可靠，无法发布）。
能处理加密 PDF 吗？
不能。如果 PDF 有密码保护，工具会显示"已加密"错误。请先解密再提取文本。
"保留布局"做什么？
勾选时，工具根据页面上文本项的 y 坐标插入换行，生成更接近视觉布局的文本。不勾选时，文本项以空格连接，更适合全文搜索和复制粘贴。
提取的文本准确吗？
对于有真正文本层（非扫描）的 PDF，提取的文本与所见一致。字体编码损坏（缺少 ToUnicode 映射）的 PDF 可能产生乱码 —— 这是文件属性，非工具 bug。
可以只从特定页面提取文本吗？
可以。在页面范围字段输入如 1,3,5-7。仅这些页面会按所列顺序提取。