在线PDF提取文字工具
把 PDF 里的文字抽成纯文本、按坐标还原换行、可复制可下载、扫描件会提示没有文字层
文字在浏览器里直接抽出来，文件不会上传。扫描件没有文字层，抽出来是空的——那需要 OCR，这个工具不做。
把 PDF 拖进来，或点击选择
单个文件，最大 100 MB
排版是按每一段文字的坐标重建的：同一基线上的合成一行，间距大的补一个空格。多栏排版和表格会串行——这是 PDF 文字层本身的限制，不是工具的错。
关于PDF提取文字
把 PDF 里的文字抽成纯文本：逐页读取，按坐标还原成行，再一句一句接起来。可以复制，也可以下载成 .txt。
为什么要按坐标还原，而不是按顺序拼。 PDF 里没有「段落」这个概念，只有一段一段定位好的文字块。按存储顺序直接拼，遇到分栏、表格、页眉页脚必然乱序。这里的做法是：同一基线上的文字块合成一行，行内按 x 排序，间距明显的补一个空格——这样能还原绝大多数正常排版的文档。
两件做不到的事，先说在前面。 ① 扫描件没有文字层，抽出来是空的。那需要 OCR，浏览器里跑 OCR 得下载几十兆的中文模型，这个工具不做，也不假装能做。② 多栏排版和复杂表格仍然会串行，因为视觉上的「列」在 PDF 里没有结构，只能靠坐标猜，猜错就会把左栏的句子接到右栏。
复制出来常见的毛病：连字（fi、fl）变成怪字符、中文标点前后夹空格，这些是 PDF 字体编码的历史遗留，不是提取逻辑的问题。想要干净结果，源文件最好是 Word 或 LaTeX 直接导出的 PDF。
常见问题
为什么抽出来是空的？
这个 PDF 没有文字层，很可能是扫描件或图片合成的 PDF。那种情况需要 OCR，本工具不做。
多栏文档的句子会串到一起吗？
会。PDF 里没有「栏」这个概念，只能靠坐标猜，猜错就会把左栏的句子接到右栏。单栏文档不受影响。
表格能还原成表格吗？
不能。表格的竖线在 PDF 里可能只是装饰性线条，文字块之间没有结构关系。抽出来是一行一行的文本。
会上传我的 PDF 吗？
不会。解析在浏览器里用 pdf.js 完成，服务器不接触文件。
为什么有些字变成了奇怪的符号？
字体编码问题。PDF 里用的是自定义字形映射时，连字（fi、fl）和部分符号会还原错。这是源文件的编码缺陷，不是提取逻辑的问题。
能只提取某一页吗？
可以。在「页码范围」里填 1-3 或 1,5,8 这样的格式，留空表示全部。
