如何从 PDF 文件中提取文本内容

先了解工具能做什么

PDF 转文本工具适合把 PDF 文件中的文字内容整理成可复制、可查看的文本结果。你可以处理整份文档，也可以只选择指定页面；当文档较长、只需要核对其中几页，或准备后续编辑时，按页提取会更方便。

操作步骤：从 PDF 提取文字

准备 PDF 文件，并将其作为编码后的 PDF 文件数据提供给工具。文件输入不能是空内容，否则操作会失败。
不指定页面时，工具默认处理文档的全部页面。若只需部分内容，请填写以英文逗号分隔的页码，例如 2,5,8。页码按从 1 开始的整数理解。
提交处理请求，等待文本提取完成。若填写的页码超出文档页数，这些页码会被跳过；但不要填写无法转换为整数的页码文字，因为这可能导致操作失败。
打开结果，按页面标记查看对应文本。需要整合内容时，可复制文本结果；需要核对范围时，查看返回的文档总页数和已选页数。

如何阅读结果及判断边界

成功后，结果会包含所选页面的提取文本，并提供文档总页数和已选页数。多页结果会把各页文字合并到较大的文本结果中，并在对应页面文字前加入页面标记，因此可以据此区分来源页面。

如果没有指定页面，结果范围按整份文档处理；如果指定了页面，超出范围的页码不会产生对应页面内容。PDF 解析或文字提取发生错误时，操作会失败并显示相关错误信息；如果所需的 PDF 解析支持不可用，也无法完成处理。对于扫描件或纯图片 PDF，当前资料没有确认是否支持 OCR，因此不要预期一定能提取出图片中的文字。

使用示例

你只想核对一份 6 页 PDF 的第 2 页和第 5 页，因此选择 2,5,9 作为页面输入。

提供一份 6 页 PDF 文件数据，在页面选择中填写 2,5,9 后提交处理，并查看返回的文本和页数信息。

结果包含文档总页数、已选页数，以及分别带页面标记的第 2 页和第 5 页文本；第 9 页因超出范围而不产生对应内容。

使用限制

处理依赖 PDF 解析和文字提取是否成功；扫描件或纯图片 PDF 是否支持 OCR 尚未确认。

常见错误

页码填写了字母、空值等无法转换为整数的内容，或文件数据为空，都会使处理失败。请改用以逗号分隔的整数页码，并确认已提供非空的编码后 PDF 文件数据。

常见问题

可以只提取 PDF 的指定页面吗？

可以。默认会处理整份 PDF；填写以逗号分隔的页码后，则按指定页面处理，超出文档范围的页码会被跳过。

可以提交空的文件输入吗？

不可以。空文件输入会导致操作失败；请提供包含内容的编码后 PDF 文件数据。

处理失败或扫描 PDF 没有文字时怎么办？

如果 PDF 解析或文字提取出错，操作会失败并显示相关错误信息；所需的 PDF 解析支持不可用时也会失败。扫描件是否能通过 OCR 提取文字，目前没有得到确认。