મફત PDF ટુ વર્ડ

આ કેવી રીતે કાર્ય કરે છે

આ ટૂલ બે JavaScript લાઇબ્રેરીઓ વાપરીને સંપૂર્ણપણે તમારા બ્રાઉઝરમાં PDFs ને Word documents માં રૂપાંતરિત કરે છે: pdfjs-dist દરેક page માંથી text કાઢે છે, અને docx library યોગ્ય રીતે structured .docx ફાઇલ એસેમ્બલ કરે છે — કોઈપણ તબક્કે કોઈ સર્વર સામેલ નથી.

1. 1
   pdfjs-dist PDF parse કરે છે

   PDF ArrayBuffer તરીકે વાંચવામાં આવે છે અને pdfjs-dist (v5.6.205) ને સોંપાય છે, જે Web Worker વાપરીને ફાઇલને સ્થાનિક રીતે process કરે છે. તે દરેક page પસાર કરે છે અને PDF ના content stream માં embedded raw text items મેળવવા getTextContent() ને કૉલ કરે છે.
2. 2
   Y-coordinate heuristic lines ફરીથી બનાવે છે

   PDF text items ને 'lines' નો કોઈ ખ્યાલ નથી — તેઓ absolute coordinates દ્વારા સ્થિત છે. ટૂલ દરેક item ના Y position ને પાછલા સાથે સરખાવે છે: જો gap text height ના અડધા કરતાં વધુ હોય, તો newline દાખલ કરવામાં આવે છે. આ low-level glyph data માંથી વાંચી શકાય તેવા paragraphs ફરીથી બનાવે છે.
3. 3
   docx library Word ફાઇલ બનાવે છે

   docx library વડે બનેલા Document object માં દરેક PDF page section બને છે. Lines TextRun children સાથે Paragraph nodes બને છે, અને Heading 2 દરેક page ને label કરે છે. Packer.toBlob() in-memory document tree ને valid .docx binary માં serialize કરે છે.
4. 4
   Download અને ઓપ્શનલ plain-text export

   પૂરી થયેલ .docx Blob મૂળ ફાઇલનેમ સાથે download માટે આપવામાં આવે છે. Plain-text preview (સ્ક્રીન પર 8,000 characters પર cap) તમને download કરતાં પહેલા કાઢેલું content ચકાસવા દે છે, અને જો તમને ફક્ત raw text જોઈએ તો અલગ .txt export ઉપલબ્ધ છે.

સંબંધિત સાધનો