分类

← View All Tools

PDF文本提取器

从PDF文档中提取文本内容，支持页面选择、格式选项和多语言处理

PDF文件 *

Click to upload file or drag and drop file here

Maximum file size: 100MB Supported formats: application/pdf

支持最大100MB的PDF文件

页面范围

指定要提取的页面（1-5为范围，3为单页，1,3,5为多页）。留空则提取所有页面。

输出格式

保持原始格式

尽可能保持原始布局、间距和格式

去除多余空白

清理多余的空格和换行符

包含行号

为提取的文本添加行号

文本编码

关键信息

分类: Document Tools
输入类型: file, text, select, checkbox
输出类型: text
样本覆盖: 4
支持 API: Yes

概览

PDF文本提取器是一款高效的在线工具，旨在帮助用户快速从PDF文档中解析并提取纯文本或结构化内容，支持自定义页面范围、格式保留及多种编码设置，满足各类文档处理需求。

适用场景

•需要从扫描件或电子版PDF中获取可编辑的文本内容时。
•仅需提取文档中特定页码范围的文字信息时。
•在进行数据分析或文档归档前，需要将PDF内容转换为Markdown或JSON格式时。

工作原理

•上传您的PDF文件，支持最大100MB的文档。
•根据需求设置页面范围、输出格式及文本编码等选项。
•点击提取按钮，系统将自动解析文档并生成您所需的文本内容。

使用场景

快速从长篇PDF报告中提取关键段落用于文档撰写。

将PDF格式的表格或列表转换为JSON数据，以便导入数据库。

清理PDF文档中多余的空格和换行符，整理成整洁的Markdown笔记。

用户案例

1. 提取合同关键条款

法务专员

背景原因: 需要从一份50页的PDF合同中提取第10至12页的违约责任条款。
解决问题: 手动复制粘贴容易出错且效率低下。
如何使用: 上传合同文件，在页面范围输入“10-12”，选择输出格式为“Plain Text”。
效果: 快速获取了所需的合同条款文本，直接用于后续的法律分析。

2. 转换技术文档为Markdown

技术文档工程师

背景原因: 需要将一份PDF格式的产品手册转换为Markdown格式，以便发布到公司的知识库。
解决问题: PDF的排版在直接复制时会丢失标题层级和列表结构。
如何使用: 上传手册，勾选“保持原始格式”，并将输出格式设置为“Markdown”。
效果: 生成了带有正确Markdown语法结构的文本，无需手动调整标题和列表格式。

用 Samples 测试

pdf, video, text

PDF示例

2026-02-01 到 2026-02-10 工具生成的PDF示例

title token pdf

pdf

Markdown 幻灯片示例

用于测试 PDF 导出的 Remark/Marp 风格 Markdown 幻灯片

preferred input family pdf

pdf

文本日期示例

包含各种日期格式的文本，用于测试日期提取和解析

title token text

text

含表情符号的文本示例

用于测试表情符号提取的各种语言混合文本和Unicode表情符号

title token text

video, text

常见问题

PDF文本提取器支持多大的文件？

该工具支持最大100MB的PDF文件。

可以只提取PDF中的某几页吗？

可以，您可以在“页面范围”选项中指定页码，例如“1-5”表示提取前五页，或“1,3,5”提取特定单页。

提取后的文本格式可以保留吗？

您可以勾选“保持原始格式”选项，系统将尽可能还原文档中的布局、间距和排版。

支持哪些输出格式？

支持纯文本 (Plain Text)、格式化文本 (Formatted Text)、Markdown 以及 JSON 结构化数据。

提取出的文本出现乱码怎么办？

请检查并调整“文本编码”选项，通常推荐使用 UTF-8 编码以获得最佳的字符兼容性。

API 文档

请求端点

POST /zh/api/tools/pdf-text-extractor

请求参数

参数名	类型	必填	描述
pdfFile	file (需要先上传)	是	支持最大100MB的PDF文件
pageRange	text	否	指定要提取的页面（1-5为范围，3为单页，1,3,5为多页）。留空则提取所有页面。
outputFormat	select	否	-
preserveFormatting	checkbox	否	尽可能保持原始布局、间距和格式
removeExtraWhitespace	checkbox	否	清理多余的空格和换行符
includeLineNumbers	checkbox	否	为提取的文本添加行号
encoding	select	否	-

文件类型参数需要先通过 POST /upload/pdf-text-extractor 上传获取 filePath，然后将 filePath 传递给对应的文件字段。

响应格式

{
  "result": "Processed text content",
  "error": "Error message (optional)",
  "message": "Notification message (optional)",
  "metadata": {
    "key": "value"
  }
}

文本: 文本

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中：

{
  "mcpServers": {
    "elysiatools-pdf-text-extractor": {
      "name": "pdf-text-extractor",
      "description": "从PDF文档中提取文本内容，支持页面选择、格式选项和多语言处理",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=pdf-text-extractor",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

支持 URL 文件链接或 Base64 编码作为文件参数。

如果遇见问题，请联系我们：[email protected]

分类