把文件拖到这里
或从电脑中选择
最大 50 MB
文件不会离开你的设备——一切都在浏览器中完成
PDF 适合阅读,却不方便程序处理:文字、表格和字段都混在绘图指令里。转换器把文档整理成干净的 JSON。meta 里是标题、作者、日期和页数;pages 列出每一页的尺寸、完整文字和文本块,每个块都带有以左上角为原点、以磅为单位的 x、y、宽和高——足以定位页面上的金额或签名在哪里。
带边框的表格会单独提取,使用的引擎与我们的 PDF 转 Excel 相同:tables 中的每一项都记录页码和逐行的单元格。可填写的表单字段(名称、类型和值)放进 forms,文档书签连同层级和页码放进 outline。
如果 PDF 是没有文字层的扫描件,请勾选「识别扫描件中的文字」。Tesseract 会读取页面,文本块变成带坐标和置信度的单词。目前可一次识别英语、德语、法语、西班牙语和俄语;中文暂时还不能识别。
这个工具在我们的服务器上运行,因为浏览器无法拆解 PDF,也无法从图片像素中识别文字。文件通过 HTTPS 传输,处理完成后一小时内删除;我们不保存、也不查看任何文档。
拖入不超过 20 MB 的文件。扫描件每次最多识别 30 页。
JSON 以树形打开:页面、表格、表单和书签。扫描件请开启文字识别。
也可以用下方按钮直接把数据导出为 Excel、CSV、Word 或 TXT。