PDF থেকে টেক্সট

«PDF থেকে টেক্সট» কী?

একটি PDF-কে টেক্সটে রূপান্তর করার অর্থ একটি PDF নথিকে তার কাঁচা শব্দে কমানো: কোনো ফন্ট নেই, কোনো ছবি নেই, কোনো লেআউট নেই। আউটপুটটি একটি UTF-8 .txt ফাইল যা যেকোনো এডিটরে, যেকোনো OS-এ, যেকোনো দশকে খোলে। এটি পছন্দের ফরম্যাট যখন আপনাকে একটি নথি grep করতে হবে, এটি একটি চ্যাটবটে পেস্ট করতে হবে, একটি স্ক্রিপ্টে ফিড করতে হবে, বা শুধু একটি PDF যা বলেছে তা সম্ভাব্য ক্ষুদ্রতম ফাইলে আর্কাইভ করতে হবে।

একটি সাধারণ PDF-এ টেক্সট অবস্থানযুক্ত অক্ষরের একটি সিরিজ হিসেবে সংরক্ষিত হয়। এই টুল সেই অক্ষরগুলো পড়ে, Y স্থানাঙ্ক দ্বারা লাইনে গ্রুপ করে, লাইনগুলোকে উপর থেকে নিচে সাজায়, প্রতিটি লাইনের মধ্যে আইটেমগুলো বাম থেকে ডানে সাজায়, এবং আউটপুটকে UTF-8 স্ট্রিং হিসেবে পৃষ্ঠা-বাই-পৃষ্ঠা লেখে।

আপনার ব্রাউজারে PDF থেকে টেক্সট কীভাবে কাজ করে

আপনি যখন একটি PDF টানেন, আপনার ব্রাউজার এটি মেমরিতে পড়ে। আমরা বাইট PDF.js-এ হস্তান্তর করি, Mozilla-র ওপেন সোর্স PDF ইঞ্জিন। প্রতিটি পৃষ্ঠার জন্য, আমরা getTextContent() কল করি, যা প্রতিটি টেক্সট আইটেম তার অবস্থান সহ ফেরত দেয়। আমরা আইটেমগুলোকে লাইনে গ্রুপ করি, সেগুলোকে পড়ার ক্রমে সাজাই, এবং একটি একক স্ট্রিংয়ে যুক্ত করি। কোনো OCR পদক্ষেপ নেই: PDF-এ ইতিমধ্যেই টেক্সট হিসেবে থাকা টেক্সট সরাসরি নিষ্কাশিত হয়। যদি PDF একটি স্ক্যান করা ছবি হয়, টেক্সট লেয়ার খালি এবং কিছুই বের হয় না (এই ক্ষেত্রে, প্রথমে /ocr-pdf ব্যবহার করুন)।

ফলাফলটি একটি Blob-এ লেখা হয় এবং একটি ডাউনলোড হিসেবে পরিবেশিত হয়। কিছুই আপলোড হয় না। সমগ্র পাইপলাইন — পার্সিং, নিষ্কাশন, জোড়া লাগানো — আপনার ব্রাউজার ট্যাবের ভেতরে চলে। আপনি এটি অফলাইনে চালাতে পারেন এবং এটি এখনও কাজ করবে।

সাধারণ ব্যবহার

• একটি PDF ফোল্ডারের সার্চযোগ্য আর্কাইভ। প্রতিটি PDF-এর টেক্সট নিষ্কাশন করুন, .txt-টি পাশে সংরক্ষণ করুন, এবং এখন grep সেকেন্ডে যেকোনো কিছু খুঁজে পায়।
• ChatGPT/Claude/Gemini-এ একটি PDF পেস্ট করা। বেশিরভাগ LLM ওয়েব ইন্টারফেস PDF-এর চেয়ে সাধারণ টেক্সট অনেক ভালো গ্রহণ করে: .txt পেস্ট করুন এবং জিজ্ঞাসা করুন। যদি আপনি চান LLM এটি সারসংক্ষেপ করুক, /summarize-pdf এটি সরাসরি করে।
• একটি নথির দুটি সংস্করণ তুলনা। উভয়টি নিষ্কাশন করুন, diff চালান এবং ঠিক দেখুন কী পরিবর্তিত হয়েছে। অথবা একটি ভিজ্যুয়াল তুলনার জন্য /compare-pdf ব্যবহার করুন।
• NLP/স্ক্রিপ্টিং প্রি-প্রসেসিং। সেন্টিমেন্ট বিশ্লেষণ, এন্টিটি নিষ্কাশন, সারসংক্ষেপ — সব টেক্সট নেয়, PDF নয়।
• অ্যাক্সেসিবিলিটি। টেক্সটে রূপান্তর করুন এবং একটি স্ক্রিন-রিডার-সামঞ্জস্যপূর্ণ এডিটরে পেস্ট করুন।

গোপনীয়তা ও নিরাপত্তা

চুক্তি, পে স্লিপ, চিকিৎসা রেকর্ড, অভ্যন্তরীণ প্রতিবেদন — যে ধরনের নথি থেকে মানুষ সবচেয়ে বেশি টেক্সট নিষ্কাশন করতে চায় ঠিক সেগুলোই যেগুলো কোনো অপরিচিত ব্যক্তির সার্ভারে সবচেয়ে কম রাখতে চায়। বেশিরভাগ অনলাইন PDF-থেকে-টেক্সট টুল ফাইল আপলোড করে, তাদের সার্ভারে টেক্সট নিষ্কাশন করে, এবং একটি .txt ফেরত দেয়। imisspdf একই কাজ PDF.js দিয়ে করে যা আপনার ট্যাবের ভেতরে চলে। কোনো আপলোড, কোনো অ্যাকাউন্ট, কোনো দৈনিক সীমা নেই। মানক আপলোড মডেল আসলে কেমন দেখায় তা দেখতে আমাদের iLovePDF গোপনীয়তা পর্যালোচনা দেখুন।

সেরা ফলাফলের জন্য টিপস

• যদি ফাইলটি একটি স্ক্যানার বা ক্যামেরা থেকে আসে, প্রথমে OCR চালান। স্ক্যান করা PDF-এ নিষ্কাশনের জন্য কোনো টেক্সট লেয়ার নেই — /ocr-pdf ব্যবহার করুন।
• মানব-পঠনযোগ্যতার জন্য «পৃষ্ঠা চিহ্নিতকারী» বেছে নিন। ডিফল্ট বিভাজক একটি পৃষ্ঠা কোথায় শেষ এবং পরেরটি শুরু হয় তা খুঁজে পাওয়া সহজ করে।
• পুরাতন ASCII প্রিন্টার/টুলের জন্য form-feed ব্যবহার করুন। যদি আপনি .txt-কে কিছু পুরাতনে ফিড করতে যাচ্ছেন, \f হলো ঐতিহ্যবাহী পৃষ্ঠা বিভাজক।
• বহু-কলাম PDF-এর পরিষ্কার উৎস প্রয়োজন। যদি দুটি কলাম মিশে যায়, সম্ভবত অন্তর্নিহিত PDF টেক্সটকে ক্রমের বাইরে এনকোড করছে — এটি Acrobat-এ খোলার এবং পুনরায় সংরক্ষণ করার চেষ্টা করুন। অথবা /repair-pdf চেষ্টা করুন।
• প্রথমে এনক্রিপ্টেড PDF আনলক করুন। আমরা নীরবে একটি খালি টেক্সট ফেরত দিতে অস্বীকার করি — /unlock-pdf এবং ফিরে আসুন।

সম্পর্কিত PDF টুল

• TXT থেকে PDF — বিপরীত: সাধারণ টেক্সটকে আবার একটি ফরম্যাট করা PDF-এ রূপান্তর করুন।
• PDF থেকে Word — হেডিং এবং ইনলাইন ফরম্যাটিং সংরক্ষণ করে, শুধু শব্দ নয়।
• OCR PDF — প্রথমে একটি স্ক্যান করা PDF-কে টেক্সট-নিষ্কাশনযোগ্য করুন।
• Summarize PDF — একটি LLM-কে PDF পড়তে দিন এবং আপনাকে মূল পয়েন্ট দিন।
• Chat PDF — আপনার PDF সম্পর্কে AI-কে প্রশ্ন জিজ্ঞাসা করুন।
• Translate PDF — একটি PDF-এর টেক্সটকে অন্য ভাষায় অনুবাদ করুন।
• PDF থেকে Excel — সাধারণ টেক্সটের পরিবর্তে নির্ভুল টেবিল নিষ্কাশনের জন্য।
• Compare PDF — তুলনার জন্য দুটি PDF পাশাপাশি রাখুন।