相關推薦
什麼是 PDF 轉 TXT？
PDF 轉 TXT 是把 PDF 內部既有的文字層直接解析並匯出為純文字（.txt）的操作，本工具基於 Mozilla pdf.js 在瀏覽器本機完成，不會上傳伺服器。它解析的是 PDF 已經存在的文字層，不包含 OCR 圖像文字辨識，所以只對「文字型 PDF」（如 Word / 網頁 / 各類辦公軟體匯出的 PDF）有效；掃描檔、截圖或圖片拼接而成的 PDF 通常沒有文字層，無法用本工具擷取出文字。
**應用場景：** ① 快速複製 PDF 中的文字內容；② 用 grep / awk 等命令列工具搜尋和處理 PDF 內容；③ 把 PDF 文字內容餵給 AI 大型語言模型做摘要、翻譯或問答；④ 學術研究、資料整理時準備可檢索、可編輯的純文字語料。
**和 PDF 轉 Word / HTML 的差異：** PDF 轉 Word、PDF 轉 HTML 會盡量保留標題、段落、超連結等版面資訊，適合直接編輯或發布；PDF 轉 TXT 只保留文字內容本身，去除全部樣式，檔案體積更小，更適合程式化處理和全文檢索。
適用場景
- 快速複製 PDF 中的文字內容，不用再逐段手動選取
- 只需要文件中某幾頁內容時，用自訂頁碼範圍單獨擷取
- 把 PDF 文字內容餵給 AI 大型語言模型、翻譯工具或摘要工具做進一步處理
- 用 grep / awk 等命令列工具搜尋和處理 PDF 轉換出的文字內容
- 學術研究、資料整理時準備可檢索、可編輯的純文字語料
- 合約、報告等帶密碼保護的 PDF 需要先解鎖再擷取文字內容
使用方法
- 上傳需要擷取文字的 PDF 檔案；如果檔案已加密，先在密碼欄輸入密碼解鎖
- 依需求勾選自訂頁碼範圍、保留換行、合併多餘空白、加入分頁分隔線等選項
- 點擊開始擷取，瀏覽器本機處理，幾秒內即可在預覽區看到結果
- 複製文字，或下載 .txt 檔案
功能特點
- 瀏覽器本機處理：PDF 文字擷取全程在裝置本機完成，不上傳伺服器
- 保留原始換行：依 PDF 內部換行位置還原文字行結構，而不是強行拼成一整段
- 合併多餘空白：一鍵去除多餘空格與連續空行，輸出更整潔的文字
- 按頁插入分隔線：可選擇在每頁文字前加入頁碼分隔標記，方便定位內容來源頁
- 支援自訂頁碼範圍：可以只擷取指定頁面，不需要處理整份文件
- 支援加密 PDF：輸入密碼即可解鎖受密碼保護的 PDF 並擷取文字
- 結果可複製或下載：擷取完成後可直接複製到剪貼簿，或下載為 UTF-8 編碼的 .txt 檔案
PDF 轉 TXT、轉 Word、轉 HTML、轉 Excel，該選哪個？
同一份 PDF，後續用途不同，匯出的格式也應該不同。先確定你要拿這份內容做什麼，再決定用哪個工具。
| 你的目標 | 更合適的做法 | 為什麼 |
|---|---|---|
| 只要純文字內容，做檢索、腳本處理或餵給大型語言模型 | 用目前這個 PDF 轉 TXT | 輸出沒有樣式干擾，檔案體積最小，最適合程式化處理和全文檢索。PDF 轉 TXT |
| 要在 Word 裡繼續編輯標題、段落和清單 | 改用 PDF 轉 Word | PDF 轉 Word 會盡量保留版面和段落結構，適合直接修改後重新排版。PDF 轉 Word |
| 要發布到網頁，或需要保留超連結、圖文混排 | 改用 PDF 轉 HTML | HTML 輸出保留基本網頁結構，適合直接嵌入網站或部落格。PDF 轉 HTML |
| PDF 裡主要是表格資料，需要繼續統計或計算 | 改用 PDF 轉 Excel | TXT 不會辨識表格結構，表格內容會混在一起；轉 Excel 才能保留行列關係。PDF 轉 Excel |
| PDF 是掃描檔或圖片，沒有可擷取的文字層 | 本工具無法直接擷取 | 本工具解析的是 PDF 內部已有的文字層，不包含 OCR 圖像文字辨識，掃描檔、圖片型 PDF 需要先用 OCR 工具辨識出文字，再來處理純文字。 |
最佳实践
先確認 PDF 是文字型還是掃描檔
本工具基於 PDF 內部已有的文字層直接解析，不會做 OCR 辨識。可以先嘗試擷取一次，如果結果是空的或只有極少字元，代表這份 PDF 很可能是掃描檔或圖片拼接而成的。
多欄或藝術排版建議比較兩種換行設定
複雜多欄、海報式排版的 PDF，文字在內容流中的順序可能和視覺閱讀順序不完全一致。可以分別勾選、不勾選「保留換行」比較效果，選擇更接近原文的結果。
頁數很多但只需要部分內容時，先依頁碼範圍縮小擷取範圍
本頁面一次只處理一個檔案。如果 PDF 頁數很多、只需要其中幾頁，建議先用自訂頁碼範圍只擷取需要的頁面，減少無關內容干擾後續處理，也可以先用擷取頁面工具單獨拆出來。
擷取 PDF 頁面下載後確認編碼是否為 UTF-8
少數編輯器可能把 txt 另存為 ANSI/GBK 等編碼，導致中文顯示亂碼。用 VSCode、Notepad++ 或系統預設編輯器開啟時確認編碼為 UTF-8，可以避免這個問題。
常見問題
PDF 轉 TXT 會保留原本的格式嗎？
不會。TXT 是純文字格式，不會保留字型、顏色、粗體、斜體等樣式。如需保留版面請使用 /pdf/to-word/ 或 /pdf/to-html/。本工具可以保留原始換行，讓文字行結構更接近原文。
掃描檔或圖片型 PDF 能擷取出文字嗎？
不能。本工具直接解析 PDF 內部已有的文字層，不包含 OCR 圖像文字辨識。掃描檔、截圖或圖片拼接而成的 PDF 通常沒有文字層，擷取結果會是空的或只有極少字元。
擷取出來的文字順序會錯亂嗎？
順序基本上依照 PDF 內容流的原始排列輸出，多數常規排版的文字型 PDF 會得到正常閱讀順序。但複雜多欄、海報式或部分工具產生的特殊排版 PDF，順序可能和視覺閱讀順序不完全一致，可以嘗試切換「保留換行」選項比較效果。
中文或其他語言擷取後亂碼怎麼辦？
請先檢查 TXT 是否以 UTF-8 編碼開啟。如果編碼正確仍然亂碼，通常是 PDF 本身沒有正確嵌入對應文字的字型或對照表，這種情況下文字層本身可能已經缺失或錯誤，暫時無法透過本工具修復。
支援帶密碼的 PDF 嗎？
支援。在密碼欄輸入正確密碼即可解鎖並擷取文字。如果忘記密碼，本工具不提供密碼破解功能，無法擷取。
PDF 轉 TXT 安全嗎？會上傳伺服器嗎？
不會上傳。擷取全程在瀏覽器本機完成，檔案不會離開你的裝置，也沒有需要上傳到伺服器辨識的環節。
可以一次擷取多個 PDF 檔案嗎？
目前一次只能處理一個檔案。如果需要處理多份 PDF，請逐一上傳擷取。
PDF 中的表格擷取後會是什麼樣子？
本工具的純文字擷取不會辨識表格結構，會按字元順序輸出，同一表格的內容會混在一起。如需保留行列關係，請使用 /pdf/to-excel/。
PDF 檔案大小有限制嗎？
單一 PDF 檔案最大支援 50MB。超出限制可以先用 /pdf/compress/ 壓縮檔案體積，或用 /pdf/extract-pages/ 只保留需要的頁面後再擷取。
故障排查
擷取結果是空的，或只有極少文字
代表這份 PDF 很可能是掃描檔或圖片拼接而成的，沒有可擷取的文字層。本工具不包含 OCR 圖像文字辨識，暫時無法處理這類 PDF。
擷取出來的文字換行混亂
PDF 在窄欄或多欄版面下，內容流順序可能和視覺閱讀順序不完全一致。可以嘗試切換「保留換行」選項，比較哪種結果更接近原文。
PDF 中的表格被辨識成一團字元
本工具不會對表格做結構辨識，輸出的是純文字流。如需表格結構，請使用 /pdf/to-excel/。
輸入密碼後仍然提示無法解鎖
請確認密碼輸入無誤、沒有多餘空格。如果密碼確實正確仍然失敗，可能是檔案本身已損壞，或使用了本工具暫不支援的加密方式。
TXT 編碼不對（中文亂碼）
請確保 TXT 檔案以 UTF-8 編碼開啟：① Windows 可用 Notepad++ / VSCode 切換為 UTF-8；② macOS / Linux 預設 UTF-8；③ 檢查是否在其他編輯器中被另存為 ANSI/GBK 編碼。
術語表
- PDF 文字層
- PDF 檔案內部保存的可直接解析的文字資料。有文字層的 PDF（如 Word、網頁、辦公軟體匯出）可以被直接擷取；掃描檔和圖片拼接而成的 PDF 通常沒有文字層。
- UTF-8 編碼
- 通用字元編碼，相容中、英、日、韓等幾乎所有語言文字。本工具輸出的 .txt 檔案預設使用 UTF-8 編碼。
- 自訂頁碼範圍
- 只擷取部分頁面而非整份文件，支援單頁、連續區間和多段組合，例如 1-3,5,8-10。
- 加密 PDF
- 設定了開啟密碼的 PDF 檔案。擷取文字前需要輸入正確密碼解鎖，本工具不提供密碼破解功能。
4 種輸出選項組合
依需求勾選合適的輸出選項，可以組合使用。
| 選項 | 效果 | 典型場景 |
|---|---|---|
保留換行 | 依 PDF 內部換行位置還原文字行 | 希望文字行結構更接近原文 |
合併多餘空白 | 去除多餘空格與連續空行 | 全文檢索 / grep 處理 |
加入分頁分隔線 | 每頁文字前插入頁碼分隔標記 | 需要定位內容來源頁 |
自訂頁碼範圍 | 只擷取指定頁面 | 長文件只需要部分內容 |
PDF 轉 TXT 的能力邊界
先了解本工具能做什麼、不能做什麼，避免用錯場景。
| 內容 | 是否支援 | 說明 |
|---|---|---|
| 文字型 PDF 擷取文字 | 支援 | 瀏覽器本機解析，幾秒完成 |
| 加密 PDF（已知密碼） | 支援 | 輸入密碼後正常解鎖擷取 |
| 掃描檔 / 圖片型 PDF 辨識文字 | 不支援 | 無 OCR 能力，需先用 OCR 工具辨識 |
| 表格結構保留 | 不支援 | 請改用 /pdf/to-excel/ |
| 一次處理多個 PDF | 不支援 | 目前一次只處理一個檔案 |
5 種常見 PDF 轉 TXT 後續處理場景
把 TXT 文字內容應用到大型語言模型、Shell 腳本、搜尋索引等場景。
| 使用場景 | 後續處理工具 | 核心價值 |
|---|---|---|
| AI 摘要 / 問答 | GPT / Claude | PDF 內容餵給大型語言模型 |
| 全文搜尋 | grep / ripgrep | 命令列快速定位關鍵字 |
| 翻譯匯入 | DeepL / Google | 批次翻譯大量 PDF 內容 |
| 程式讀取 | Python / Node | 對 PDF 文字內容做進一步處理 |
| 語料準備 | Excel / 資料庫 | 整理成訓練或分析用的語料 |
Authoritative References
- ISOPDF 文字擷取規範 ISO 32000 §9
- Mozillapdf.js - Mozilla PDF 解析引擎
- UnicodeUTF-8 編碼標準 - Unicode 官方說明
- Wikipedia維基百科 - 文字擷取