ਮੁਫ਼ਤ PDF ਤੋਂ Word

ਇਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ

ਇਹ ਟੂਲ ਦੋ JavaScript ਲਾਇਬ੍ਰੇਰੀਆਂ ਨਾਲ PDFs ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਤੁਹਾਡੇ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ Word ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਬਦਲਦਾ ਹੈ: pdfjs-dist ਹਰ ਪੰਨੇ ਤੋਂ ਟੈਕਸਟ ਕੱਢਦੀ ਹੈ, ਅਤੇ docx ਲਾਇਬ੍ਰੇਰੀ ਸਹੀ ਬਣਤਰ ਵਾਲੀ .docx ਫ਼ਾਈਲ ਜੋੜਦੀ ਹੈ — ਕਿਸੇ ਵੀ ਸਮੇਂ ਕੋਈ ਸਰਵਰ ਸ਼ਾਮਲ ਨਹੀਂ।

1. 1
   pdfjs-dist PDF ਪਾਰਸ ਕਰਦੀ ਹੈ

   PDF ਨੂੰ ArrayBuffer ਵਜੋਂ ਪੜ੍ਹ ਕੇ pdfjs-dist (v5.6.205) ਨੂੰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਜੋ Web Worker ਨਾਲ ਫ਼ਾਈਲ ਨੂੰ ਲੋਕਲ ਤੌਰ 'ਤੇ ਪ੍ਰੋਸੈਸ ਕਰਦੀ ਹੈ। ਇਹ ਹਰ ਪੰਨੇ ਵਿੱਚੋਂ ਲੰਘਦੀ ਹੈ ਅਤੇ PDF ਦੇ content stream ਵਿੱਚ ਸ਼ਾਮਲ ਕੱਚੇ ਟੈਕਸਟ items ਲੈਣ ਲਈ getTextContent() ਕਾਲ ਕਰਦੀ ਹੈ।
2. 2
   Y-ਨਿਰਦੇਸ਼ਾਂਕ ਅਨੁਮਾਨ ਲਾਈਨਾਂ ਮੁੜ ਬਣਾਉਂਦਾ ਹੈ

   PDF ਟੈਕਸਟ items ਵਿੱਚ 'ਲਾਈਨਾਂ' ਦੀ ਕੋਈ ਧਾਰਨਾ ਨਹੀਂ — ਉਹ ਪੂਰਨ ਨਿਰਦੇਸ਼ਾਂਕਾਂ ਨਾਲ ਰੱਖੇ ਜਾਂਦੇ ਹਨ। ਟੂਲ ਹਰ item ਦੀ Y ਸਥਿਤੀ ਦੀ ਪਿਛਲੇ ਨਾਲ ਤੁਲਨਾ ਕਰਦਾ ਹੈ: ਜੇ ਵਿੱਥ ਟੈਕਸਟ ਉਚਾਈ ਦੇ ਅੱਧ ਤੋਂ ਵੱਧ ਹੈ, ਤਾਂ ਨਵੀਂ ਲਾਈਨ ਪਾਈ ਜਾਂਦੀ ਹੈ। ਇਹ ਹੇਠਲੇ-ਪੱਧਰ ਦੇ glyph ਡਾਟੇ ਤੋਂ ਪੜ੍ਹਨਯੋਗ ਪੈਰੇ ਮੁੜ ਬਣਾਉਂਦਾ ਹੈ।
3. 3
   docx ਲਾਇਬ੍ਰੇਰੀ Word ਫ਼ਾਈਲ ਬਣਾਉਂਦੀ ਹੈ

   ਹਰ PDF ਪੰਨਾ docx ਲਾਇਬ੍ਰੇਰੀ ਦੁਆਰਾ ਬਣਾਏ Document object ਵਿੱਚ ਇੱਕ section ਬਣਦਾ ਹੈ। ਲਾਈਨਾਂ TextRun children ਵਾਲੇ Paragraph nodes ਬਣਦੀਆਂ ਹਨ, ਅਤੇ ਹਰ ਪੰਨੇ ਨੂੰ Heading 2 ਲੇਬਲ ਦਿੰਦਾ ਹੈ। Packer.toBlob() ਮੈਮਰੀ ਵਾਲੇ ਦਸਤਾਵੇਜ਼ tree ਨੂੰ ਵੈਧ .docx binary ਵਿੱਚ ਸੀਰੀਅਲਾਈਜ਼ ਕਰਦਾ ਹੈ।
4. 4
   ਡਾਊਨਲੋਡ ਅਤੇ ਵਿਕਲਪਿਕ ਸਾਦਾ-ਟੈਕਸਟ ਐਕਸਪੋਰਟ

   ਤਿਆਰ .docx Blob ਅਸਲ ਫ਼ਾਈਲ ਨਾਮ ਨਾਲ ਡਾਊਨਲੋਡ ਲਈ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਸਾਦਾ-ਟੈਕਸਟ ਝਲਕ (ਸਕ੍ਰੀਨ 'ਤੇ 8,000 ਅੱਖਰਾਂ ਤੱਕ ਸੀਮਿਤ) ਡਾਊਨਲੋਡ ਤੋਂ ਪਹਿਲਾਂ ਕੱਢੀ ਸਮੱਗਰੀ ਜਾਂਚਣ ਦਿੰਦੀ ਹੈ, ਅਤੇ ਜੇ ਤੁਹਾਨੂੰ ਸਿਰਫ਼ ਕੱਚਾ ਟੈਕਸਟ ਚਾਹੀਦਾ ਹੋਵੇ ਤਾਂ ਵੱਖਰਾ .txt ਐਕਸਪੋਰਟ ਉਪਲਬਧ ਹੈ।

ਸੰਬੰਧਿਤ ਟੂਲ