PDF转文本

有时候格式恰恰是麻烦本身。你可能要从报告里引用几段话，把整份文档贴进翻译工具或对话框，统计字数，或者在一堆材料里查找某个条款。纯文本文件可以直接丢进任何编辑器、表格或脚本里处理。

输出为UTF-8编码，中文和各类符号都不会乱码，文字顺序遵循PDF内部记录的次序。这个次序未必等于阅读顺序：双栏页面可能左右交错，表格会变成对不齐的若干行，页眉页脚则在每一页重复出现。真正拿去用之前，先通读一遍最稳妥。

扫描件什么都提取不出来，因为页面里装的是文字的图像而不是文字本身，读取它是pdf-ocr的工作。如果想把同样的文字拿成可编辑的Word文件，可以用pdf-to-docx，不过那边同样只带文字，版面一样不会保留。提取在浏览器里完成，文件不会被发送到任何地方。