如何從PDF擷取文字

方法一：從簡單開始——直接複製貼上 PDF 文字

逐頁複製貼上文字的步驟

複製 PDF 文字出現亂碼

掃描型 PDF 檔案

方法二：使用 AI 助手擷取單頁 PDF 文字

如何使用 AI 擷取文字

許多情況下，使用者必須手動逐頁截圖，不僅耗時還容易出錯。若需處理大量檔案或專業用途，專用的桌面軟體仍是更可靠且高效的选择。

📊 PDF 處理工具比較：免費 vs. 付費方案（2025 年更新）

方法三：使用桌面軟體進行批次 PDF 文字擷取

什麼是 Renee PDF Aide？

擷取文字至 Word

擷取文字至 Excel

擷取文字至 PowerPoint

擷取文字至 TXT

方法四：試用免費線上工具進行 PDF 文字擷取

方法五：進階技巧——使用 Python 腳本擷取文字

Python 腳本範例

import os
import fitz  # PyMuPDF
import pytesseract
from PIL import Image
from docx import Document

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

def extract_text_to_file(pdf_path, output_format="txt", lang="eng"):
    try:
        doc = fitz.open(pdf_path)
        text_output = []

        for page_num, page in enumerate(doc, start=1):
            text = page.get_text().strip()
            if text:
                text_output.append(f"--- 第 {page_num} 頁 ---\n{text}\n")
            else:
                pix = page.get_pixmap()
                img = Image.frombytes("RGB", [pix.width, pix.height], pix.samples)
                ocr_text = pytesseract.image_to_string(img, lang=lang)
                text_output.append(f"--- 第 {page_num} 頁 (OCR) ---\n{ocr_text}\n")

        doc.close()
        output_file = f"{os.path.splitext(pdf_path)[0]}.{output_format}"
        full_text = "\n".join(text_output)

        if output_format == "txt":
            with open(output_file, "w", encoding="utf-8") as f:
                f.write(full_text)
        elif output_format == "docx":
            docx = Document()
            docx.add_paragraph(full_text)
            docx.save(output_file)
        else:
            raise ValueError("不支援的匯出格式。請使用 'txt' 或 'docx'。")

        return output_file

    except Exception as e:
        print(f"處理 PDF 時發生錯誤：{e}")
        return None

if __name__ == "__main__":
    pdf_file = "sample.pdf"
    result = extract_text_to_file(pdf_file, output_format="txt", lang="eng+hin")
    if result:
        print(f"文字已擷取至：{result}")

✅ 優點：免費、可自訂

❌ 缺點：需設定環境

結語：掌握 PDF 文字擷取技巧

常見問題（FAQ）

如果擷取的文字出現亂碼或不完整怎麼辦？

線上工具處理機密 PDF 安全嗎？

可以從加密 PDF 中擷取文字嗎？

如何處理大型 PDF（例如 500 頁以上）？

如何從多語 PDF 中擷取文字？

文字擷取會保留原始 PDF 格式嗎？