當 PDF 具有適當的文字圖層時，從 PDF 中提取文字非常簡單 - 您只需選擇並複製即可。挑戰來自掃描的 PDF 或文字已轉換為輪廓的文件，其中文字的視覺外觀存在，但底層字元不存在。以下是處理這兩種情況的方法。
從本機數字PDF中提取文本
對於透過 Word、Excel、PowerPoint 或設計軟體以數位方式建立的 PDF，文字擷取就像選擇和複製一樣簡單。在任何檢視器中開啟 PDF，按一下並拖曳以選取文本，然後按 Ctrl/Cmd + C 進行複製。貼上到文字編輯器、Word 文件或任何您需要內容的地方。
若要一次從多頁 PDF 中提取所有文本，請按 Ctrl/Cmd + A 選擇全部，然後複製並貼上。文字按照 PDF 儲存的順序流動，通常是按列從上到下 - 多列佈局有時會以不太直觀的順序粘貼，需要手動重新排列。
使用 OCR 從掃描的 PDF 中擷取文字
掃描的 PDF 將頁面儲存為圖像，因此沒有可供複製的文字圖層。要提取文本，您首先需要對文件執行 OCR。將掃描的PDF上傳到WukongPDF的OCR PDF工具中，進行處理，然後下載可搜尋的版本。文字層現已嵌入，可以像任何數字 PDF 一樣進行選擇、複製和搜尋。
如果您需要將提取的文字作為單獨的文件而不是嵌入到 PDF 中，請使用 PDF 到 Word 工具將 OCR 輸出轉換為 Word。 Word 文件以可編輯格式包含所有已識別的文本，從而可以輕鬆複製部分、重新格式化或在內容的基礎上進行構建。
將文字提取到單字或文字檔
為了直接提取 PDF 到文字而無需手動執行 OCR，WukongPDF 的 PDF 到 Word 轉換器會提取文字內容並將其放入可編輯的 .docx 檔案中。對於不帶格式的純文本，請打開生成的 Word 文件並將其另存為 .txt 文件 - 或將內容粘貼到純文本編輯器中並從那裡保存。
當您需要乾淨、未格式化的文字進行資料處理、匯入到另一個應用程式或輸入到使用純文字輸入的 AI 工具時，這非常有用。
從受密碼保護的PDFs中提取文本
如果 PDF 具有由所有者密碼設定的複製限制，則可以直觀地選擇文本，但複製操作會被封鎖。若要從您具有合法存取權限的受限 PDF 中提取文本，請使用 WukongPDF 的 PDF Unlock 工具首先刪除權限限制，然後正常提取文本。一旦限制被取消，複製和貼上就可以不受限制。
檢查萃取品質
萃取文字後，對照原始 PDF 抽查幾段以確認準確性。常見問題包括提取為亂碼的連字（fi、fl 組合）、轉換為問號的特殊符號以及提取文字中單字中間出現的連字符換行符。一旦您知道要找什麼，大多數問題都可以透過尋找和替換輕鬆修復。