แปลง PDF เป็นข้อความ

บางครั้งสิ่งที่ต้องการไม่ใช่เอกสารสวย ๆ แต่เป็นตัวหนังสือข้างใน เช่น คัดข้อความในระเบียบไปใส่โน้ต ค้นหาศัพท์คำเดียวในคู่มือสองร้อยหน้า หรือดึงเนื้อหารายงานไปย่อด้วยเครื่องมืออื่น การลากแถบเลือกข้อความทีละหน้าในโปรแกรมอ่าน PDF ใช้เวลามากกว่าการดึงออกมาทีเดียวทั้งไฟล์

ผลลัพธ์เป็นไฟล์ .txt แบบ UTF-8 สระและวรรณยุกต์ภาษาไทยจึงไม่เพี้ยนไม่ว่าจะเปิดที่ไหน สิ่งที่หายไปคือการจัดหน้า เอกสารสองคอลัมน์อาจอ่านสลับไปมา ตารางกลายเป็นบรรทัดเรียงกัน ส่วนหัวกระดาษและเลขหน้าจะโผล่ซ้ำทุกครั้งที่ขึ้นหน้าใหม่ สำหรับการอ่านและการค้นหาเรื่องนี้ไม่เป็นอุปสรรค แต่อย่าคาดหวังว่าจะประกอบเอกสารเดิมกลับคืนมาได้จากไฟล์นี้

หน้าที่มาจากการสแกนจะไม่ได้ข้อความออกมาเลย เพราะสำหรับคอมพิวเตอร์แล้วตัวอักษรบนนั้นเป็นเพียงส่วนหนึ่งของรูปภาพ เอกสารแบบนั้นต้องใช้เครื่องมือ OCR ถ้าต้องการนำไปแก้ไขต่อใน Word เครื่องมือแปลง PDF เป็น Word จะให้ไฟล์ .docx มา แม้สิ่งที่ติดไปด้วยจะมีเพียงตัวหนังสือเช่นกัน การดึงข้อความทำในเบราว์เซอร์โดยไม่อัปโหลดไฟล์