PDF 轉文字（文字擷取 + 掃描檔 OCR）
【PDF 轉文字】擷取 PDF 中的文字，轉換成你能複製、編輯與下載的文字檔。工具會逐頁自動判斷：有文字層的頁面直接擷取，秒出而且百分之百準確；掃描出來的頁面則自動改用 OCR 辨識。整個過程都在你的瀏覽器完成，檔案不會上傳到任何伺服器。
PDF 轉文字 · 文字層 + OCR
頁面狀態
TXT
0 字元PDF 在你的瀏覽器處理，不會上傳到伺服器。處理合約、對帳單、醫療報告這類文件也能安心使用。
使用方法
- 放入 PDF — 點一下拖放區選擇檔案，或直接把 PDF 拖進來。
- 選擇頁數（可留空）— 可以填
1-10、3，或1,5,8-12。留空就處理整份。 - 按下「開始轉換」 — 工具會逐頁判斷，完成後右側顯示文字，可複製或下載成 .txt。
轉換過程中，左側的頁面狀態方格會即時變色：綠色代表該頁有文字層、可直接擷取；橘色代表該頁是掃描檔、正在執行 OCR。你一眼就能看出這份 PDF 到底是什麼。
最重要的一件事：你的 PDF 可能根本不需要 OCR
很多人以為 PDF 轉文字一定要 OCR，其實不是。PDF 分成兩種：
| 文字層 PDF | 掃描檔 PDF | |
|---|---|---|
| 來源 | Word／Excel 匯出、網路上下載的報告、電子帳單、電子書 | 影印機掃描、手機拍照轉 PDF、傳真 |
| 內容本質 | 真正的文字資料 | 一張張圖片 |
| 擷取速度 | 即時，一秒數十頁 | 每頁 5–15 秒 |
| 準確度 | 100% | 視圖片品質，通常 85–98% |
| 需要下載語言檔 | 不需要 | 需要（約 10–15 MB） |
怎麼分辨？ 最簡單的方法：用一般 PDF 閱讀器開啟，試著用滑鼠選取文字。選得到就是文字層 PDF，選不到（整頁一起反白）就是掃描檔。
這個工具不需要你自己判斷 —— 它會逐頁先嘗試擷取文字層，取不到才改用 OCR。所以混合型的 PDF（例如前段是打字內容、後面附上掃描的收據）也能完整處理。
頁數怎麼填
| 你想要 | 就填 |
|---|---|
| 全部頁面 | 留空 |
| 第 1 到 10 頁 | 1-10 |
| 只要第 3 頁 | 3 |
| 第 1、5 頁與 8 到 12 頁 | 1,5,8-12 |
掃描檔一次最多處理 20 頁。 這不是小氣，而是 OCR 在瀏覽器中執行，每頁需要 5–15 秒——200 頁的話你的電腦要跑上半小時，分頁很可能還沒跑完就被系統回收了。分批處理（1-20、21-40）反而穩定得多。文字層 PDF 則沒有這個限制，多少頁都可以。
如果擷取出來是亂碼
有時候 PDF 明明「有文字層」，擷取出來卻是一堆符號、問號，或者一整篇完全不通的生僻字。這不是工具壞了，而是這份 PDF 本身有問題。
PDF 中的嵌入字型，需要一張稱為 ToUnicode 的對照表，才能把字型內部的字形編號翻譯回真正的文字。中文 PDF 特別容易缺少這張表或填錯 —— 常見於舊版排版軟體、某些中文 Word 匯出、傳真轉檔，以及由第三方軟體事後「補上」文字層的掃描檔。這種情況下文字層確實存在，但裡面的內容是錯的。
這個工具會自動檢查擷取出的文字是否可信：若發現私有區字元、大量替換符號，或整頁中文都是生僻字，就會把該頁當成掃描檔，自動改用 OCR，並在完成後告訴你有幾頁做過這個回退。
如果自動判斷仍然不夠準確，請把上方的「模式」切換成「全部使用 OCR」 —— 工具會完全忽略文字層，逐頁轉成圖片再辨識。速度慢很多（每頁 5–15 秒），但遇到有問題的檔案時最穩定。
掃描檔想更準確
- 選對語言 — 只選文件真正用到的語言。同時選繁體與簡體會讓兩者都變差。
- 原始檔越清晰越好 — 300 DPI 掃描出來的 PDF，準確度會明顯高於用手機拍照再轉 PDF。
- 文件如果是歪的 — OCR 對傾斜非常敏感。可以先用 PDF 編輯器把頁面轉正再試。
- 表格與多欄排版會亂序 — 這是 OCR 的先天限制，擷取後通常需要自己整理一次。
加密的 PDF 怎麼辦
如果 PDF 設有開啟密碼，工具會顯示一個密碼欄位，輸入後即可繼續。密碼和檔案一樣，全程留在你的電腦上，不會傳送到任何地方。
如果是「禁止複製」那種權限密碼（owner password），由於文件本身可以開啟，工具通常仍能擷取文字。
你的 PDF 不會離開這台電腦
這個工具使用開源的 pdf.js 讀取 PDF、Tesseract.js 執行 OCR，兩者都在你的瀏覽器中運行，檔案與擷取出的文字都不會上傳到任何伺服器。
大部分免費線上 PDF 工具都必須把檔案上傳到他們的伺服器才能處理 —— 如果你要處理的是勞動契約、銀行對帳單、醫療報告、律師函這類文件，這個差別非常重要。
常見問題
PDF 轉文字需要付費嗎？有頁數限制嗎？
完全免費，不需註冊。有文字層的 PDF 沒有頁數限制；掃描檔因為要在瀏覽器執行 OCR，一次最多 20 頁，可以分批處理。
我的 PDF 會被上傳嗎？
不會。工具使用 pdf.js 與 Tesseract.js，全部在你的瀏覽器中執行，檔案與結果都不會傳送到任何伺服器。
為什麼有些 PDF 一秒就好，有些要等很久？
因為 PDF 分成兩種。文字層 PDF 本身就含有文字資料，直接讀出即可；掃描檔內部只有圖片，必須逐頁執行 OCR，每頁大約 5–15 秒。
怎麼知道我的 PDF 是哪一種？
用一般 PDF 閱讀器開啟，試著用滑鼠選取文字。選得到就是文字層 PDF，選不到就是掃描檔。不過你不需要自己判斷——這個工具會逐頁自動處理。
有密碼的 PDF 可以嗎？
可以。工具會顯示密碼欄位，輸入開啟密碼即可繼續。密碼全程留在你的電腦上。
擷取出來的文字是亂碼怎麼辦？
把「模式」切換成「全部使用 OCR」即可。亂碼通常是因為 PDF 的嵌入字型缺少 ToUnicode 對照表，導致文字層本身就是錯的——中文 PDF 特別常見。工具會自動偵測這種情況並回退到 OCR，但若自動判斷不夠準確，手動強制全 OCR 一定有效。
排版與表格會保留嗎？
不會。輸出是純文字（.txt），不會保留字體、圖片與表格框線。多欄排版與表格的閱讀順序可能會錯亂，擷取後通常需要自行整理。
其他你可能用得到的工具
- 圖片轉文字 — 只有一張圖或一個截圖就用這個，快很多
- 刪除重複行／移除去除重複資料 — 清除轉換後重複的頁首頁尾
- 擷取資料列 — 從分隔文本中取出你要的欄位
- 自動加前綴後綴 — 為擷取出的文字批次加上格式
- 更多文字工具