मोफत PDF ते Word

हे कसे कार्य करते

हे साधन दोन JavaScript लायब्ररी वापरून PDFs ला Word दस्तऐवजांत पूर्णपणे तुमच्या ब्राउझरमध्ये रूपांतरित करते: pdfjs-dist प्रत्येक page मधून मजकूर काढतो, आणि docx लायब्ररी योग्यरित्या रचलेली .docx फाइल एकत्र करते — कोणत्याही टप्प्यावर सर्व्हर सामील नाही.

1. 1
   pdfjs-dist PDF पार्स करतो

   PDF ArrayBuffer म्हणून वाचली जाते आणि pdfjs-dist (v5.6.205) ला दिली जाते, जो Web Worker वापरून फाइल स्थानिक पातळीवर प्रक्रिया करतो. तो प्रत्येक page मधून जातो आणि PDF च्या सामग्री प्रवाहात embedded कच्चे मजकूर आयटम्स मिळवण्यासाठी getTextContent() कॉल करतो.
2. 2
   Y-निर्देशांक अंदाजे पद्धतीची ओळी पुन्हा तयार करते

   PDF मजकूर आयटम्सना 'ओळी' अशी संकल्पना नाही — ते निरपेक्ष निर्देशांकांनी स्थानबद्ध आहेत. साधन प्रत्येक आयटमची Y स्थिती मागच्याशी तुलना करते: अंतर मजकूर उंचीच्या अर्ध्याहून जास्त असल्यास, नवीन ओळ घातली जाते. हे low-level glyph डेटावरून वाचनीय परिच्छेद पुन्हा तयार करते.
3. 3
   docx लायब्ररी Word फाइल तयार करते

   प्रत्येक PDF page docx लायब्ररीने तयार केलेल्या Document ऑब्जेक्टमधील एक विभाग बनते. ओळी TextRun मुलांसह Paragraph nodes बनतात, आणि Heading 2 प्रत्येक page ला लेबल करते. Packer.toBlob() मेमरीतील दस्तऐवज tree ला वैध .docx binary मध्ये सीरियलाइझ करते.
4. 4
   डाउनलोड आणि पर्यायी plain-text एक्सपोर्ट

   पूर्ण झालेली .docx Blob मूळ फाइलनावासह डाउनलोडसाठी दिली जाते. एक plain-text प्रिव्ह्यू (स्क्रीनवर 8,000 अक्षरांपर्यंत मर्यादित) तुम्हाला डाउनलोडआधी काढलेली सामग्री सत्यापित करू देतो, आणि तुम्हाला फक्त कच्चा मजकूर हवा असल्यास वेगळा .txt एक्सपोर्ट उपलब्ध आहे.

संबंधित साधने