PDF 转文字

从 PDF 里把文字抠出来，贴进文档、做搜索、丢给别的工具时常用，全部在浏览器本地完成。

规则说明：

• 只读 PDF 自带的文字层；用 pdf.js 在本地解析，文件不上传、也不写进任何存储
• 扫描版 PDF 抽不出字：那种 PDF 每页其实是图片，没有文字层。要文字得先做 OCR，本页不做图像识别
• 两种排版：
• 连续（默认）：按行距把同一行的断片拼回去，正文行并成段落，段落之间空一行，适合直接阅读或粘贴
• 逐行：一个视觉行给一行，尽量保住原来的换行，适合对齐看的清单、表格
• 页码范围：留空或写「全部」就整份抽；也可以写 1-3,5,8-10，逗号、顿号、空格都能当分隔，5- 表示到最后一页
• 「页间加分隔」勾上后，每页开头插一行 --- 第 N 页 ---，方便对照原文
• 中文与英文混排时，中文之间不补空格，英文单词之间按水平间距补空格，行尾的连字符按断词自动接回

常见疑问：

• 为什么抽出来字序有点乱？多栏排版、页眉页脚、正文里夹杂的图形文字会打乱阅读顺序；这是从固定版式里还原线性文本的固有限制，可换「逐行」模式或缩小页码范围一段段抽
• 加密的 PDF 能抽吗？不能，需要打开密码的 PDF 本页不解密
• 支持多大文件？上限 30MB；超过 2000 页只抽前 2000 页，剩下的用页码范围单独取
• 表格能变成 CSV 吗？不能，这里只还原文本流，不判断单元格；表格文件请用「表格 / CSV / JSON 互转」
• 字体、颜色、图片会保留吗？不会，输出是纯文本，只留文字和大致分段

说明：

• 文字抽取只在你的浏览器里进行，不会上传
• PDF 解析用的是本地打包的开源库 pdf.js（Apache-2.0 / MIT）