Cara Mengekstrak Teks dari Dokumen PDF

Mengekstrak Teks dari Dokumen PDF

Mengekstrak teks daripada fail PDF boleh menjadi satu cabaran, terutamanya jika dokumen mengandungi grafik atau susunan layout yang kompleks. Walaupun boleh menggunakan kaedah salin‑dan‑ tampal, ia memakan masa dan tidak membolehkan penukaran ke format lain secara automatik. Berikut adalah beberapa kaedah yang boleh anda cuba.

Gunakan Adobe Acrobat Reader

Langkah 1

Buka fail PDF di Acrobat Reader. Di Windows, pilih File >> Export Document to Text, beri nama dokumen dan simpan.

Langkah 2 (macOS/Linux)

Pilih View >> Continuous atau Continuous‑Facing untuk mengawal paparan. Selepas itu, pergi ke Edit >> Select All dan Edit >> Copy. Gunakan alat Text Select atau Column Select jika anda hanya mahu bahagian tertentu.

Menukar PDF ke HTML

Langkah 1

Gunakan Gmail sebagai jalan pintas. Lampirkan fail PDF ke e-mel dan hantar ke akaun Gmail anda. Setelah e-mel dibuka, pilih View as HTML dan simpan fail yang terbuka. Walaupun grafik tidak ditampilkan, teks dan format asas akan dipelihara.

Langkah 2

Untuk pengguna Linux, anda boleh menukar fail menggunakan baris perintah: pdftotext nama_fail.pdf. Gantikan nama_fail.pdf dengan nama fail sebenar.

Alternatif lain ialah memuat turun program penukaran PDF ke teks, seperti PDFBox atau Easy PDF to Text Converter. Banyak program ini juga menyokong penukaran ke HTML.

Tips Penting

• Pastikan dokumen mengandungi teks, bukan hanya gambar. Jika PDF dihasilkan daripada dokumen digital, teks boleh diekstrak. Jika PDF hanya gambar, anda perlu OCR.
• Pengeluaran teks melalui Acrobat Reader mungkin tidak mengekalkan format asal. Namun, ia memudahkan penyalinan kata‑kata sahaja.

Peralatan yang Diperlukan

• Fail PDF
• Adobe Acrobat Reader
• Akaun Gmail (pilihan)
• Perisian penukaran PDF ke teks (pilihan)
• Perisian OCR (jika PDF hanyalah gambar)