PDF से टेक्स्ट कैसे निकालें?
अपनी PDF ऊपर वाले बॉक्स में डालें और पेज पढ़े जाने तक एक पल रुकें। फिर “टेक्स्ट निकालें” पर क्लिक करें और TXT फ़ाइल डाउनलोड करें। उसमें हर पेज के शब्द क्रम से होते हैं, Notepad, TextEdit या किसी भी एडिटर में खोलने के लिए तैयार। आपकी असली PDF में कोई बदलाव नहीं होता।
नतीजा जान-बूझकर सादा रखा गया है। न फ़ॉन्ट, न रंग, न फोटो, सिर्फ़ टेक्स्ट, जिससे फ़ाइल छोटी, सर्च करने में आसान और किसी दूसरे डॉक्यूमेंट में पेस्ट करने में आसान रहती है। अगर लेआउट भी चाहिए, तो PDF से Word या असली फ़ाइल बेहतर रास्ता है।
टिप: TXT को किसी वर्ड प्रोसेसर में खोलें और find and replace से फ़ालतू लाइन ब्रेक साफ़ करें। पतले कॉलम का टेक्स्ट अक्सर हर लाइन के बाद टूटता है, और एक replace से ठीक हो जाता है।
मैं अपनी PDF से टेक्स्ट कॉपी क्यों नहीं कर पा रहा?
आम तौर पर तीन वजहें होती हैं। सबसे आम यह है कि PDF एक स्कैन है, यानी पेज की फोटो, जिसमें कोई टेक्स्ट होता ही नहीं। कुछ सिलेक्ट नहीं होता क्योंकि सिलेक्ट करने को कुछ है ही नहीं। इसका हल OCR है, जो फोटो पढ़कर उसे असली टेक्स्ट में बदलता है।
दूसरी वजह परमिशन लॉक है। कुछ PDF देखने देती हैं पर कॉपी रोकती हैं। अगर पासवर्ड पता है, तो PDF का पासवर्ड हटाएं टूल उसे हटा देता है, फिर आप टेक्स्ट निकाल सकते हैं। तीसरी वजह अजीब फ़ॉन्ट एन्कोडिंग है, जिसमें टेक्स्ट सिलेक्ट तो होता है पर पेस्ट करने पर बेमतलब चिह्न आते हैं। हिन्दी की पुरानी PDF में यह ख़ास तौर पर होता है, जब टेक्स्ट Unicode की जगह किसी पुराने फ़ॉन्ट में टाइप किया गया हो। ऐसे में पेज पर OCR चलाना अक्सर सबसे साफ़ रास्ता है।
निकाला गया टेक्स्ट कैसा दिखता है?
आपको शब्द उसी क्रम में मिलते हैं जिसमें वे हर पेज पर दिखते हैं, और जहां PDF में लाइन टूटती है वहां लाइन ब्रेक आता है। पैराग्राफ़ आम तौर पर छोटी लाइनों में आते हैं, और टेबल टेक्स्ट की पंक्तियां बन जाती है जिसमें सेल आपस में सटे होते हैं। पेज के हेडर, फ़ुटर और पेज नंबर वहीं आते हैं जहां छपे थे, क्योंकि वे भी टेक्स्ट हैं।
PDF से टेक्स्ट निकालने में यह आम बात है। PDF हर टेक्स्ट को पेज पर एक जगह पर रखती है और उसे पैराग्राफ़ या टेबल का असली अंदाज़ा नहीं होता। टूल जो है वह पढ़ता है और क्रम से लिख देता है। थीसिस का कोई अध्याय या कोई लेख जिसे उद्धृत करना है, उसके लिए यह बहुत अच्छा चलता है। स्प्रेडशीट जैसी जटिल टेबल के लिए कॉलम हाथ से दोबारा बनाने की उम्मीद रखें।
क्या ऑनलाइन PDF से टेक्स्ट निकालना सुरक्षित है?
हां, क्योंकि PDF अपलोड नहीं होती। आप पेज ऑनलाइन खोलते हैं, पर आपका ब्राउज़र आपके अपने डिवाइस पर टेक्स्ट पढ़ता है। डॉक्यूमेंट और उसके शब्द कभी सर्वर पर नहीं जाते, जो एग्रीमेंट, मेडिकल रिपोर्ट और ऐसी किसी भी चीज़ के लिए सही है जिसे आप किसी अनजान को ईमेल नहीं करेंगे।
आप फ़ाइल से टेक्स्ट निकालते समय ब्राउज़र के नेटवर्क टैब में पक्का कर सकते हैं। आपकी PDF ले जाने वाली कोई रिक्वेस्ट नहीं दिखेगी। TXT भी आपके ब्राउज़र में बनती है और सीधे आपके डाउनलोड में सेव होती है।