Pembersih Teks PDF
Tempel teks yang disalin dari PDF dan langsung dapatkan teks bersih yang mudah dibaca. Pembersih ini memperbaiki pemenggalan kata di akhir baris, paragraf dengan pembungkus keras, spasi ganda, ligatur (fi→fi, fl→fl), dan artefak Unicode tak terlihat. Sepuluh aturan pembersihan yang bisa diatur — nyalakan yang sesuai dengan dokumen Anda. Gratis, privat, dan tanpa pendaftaran.
Cleaning Rules
Mengapa teks PDF keluar begitu kotor
PDF tidak menyimpan paragraf atau kalimat, melainkan glif dengan koordinat tepat di halaman. Saat disalin, penampil mencoba merekonstruksi urutan baca dan dalam prosesnya memotong teks di setiap ujung baris visual serta menambahkan tanda hubung untuk memenggal kata.
Dari situ muncul gejala khas: paragraf terpecah menjadi banyak baris, kata terbelah dua, ligatur tipografis, dan spasi tak terlihat yang membuat pencarian gagal.
Sepuluh aturan dan kegunaannya
Setiap aturan dinyalakan terpisah, jadi pembersihan bisa disesuaikan dengan dokumen yang Anda hadapi.
- Perbaiki tanda hubung lunak dan satukan kata yang terbelah.
- Gabungkan pembungkus baris keras untuk membangun ulang paragraf.
- Rapatkan spasi ganda dan hapus spasi di akhir baris.
- Perbaiki ligatur (fi→fi, fl→fl) dan luruskan tanda kutip tipografis.
- Normalkan penanda daftar, rapatkan baris kosong, dan ganti spasi tak terpisah.
- Hapus karakter tak terlihat dan lebar nol yang merusak pencarian dan perbandingan.
Privasi: semuanya berjalan di browser Anda
Pembersihan dijalankan dengan JavaScript di perangkat Anda. Tidak ada permintaan jaringan, tidak ada yang disimpan, dan tidak ada satu karakter pun yang dikirim ke server.
Anda bisa mengolah dokumen rahasia atau bekerja tanpa koneksi: alat ini tetap berfungsi offline.
Pertanyaan yang Sering Diajukan
Alat ini menghapus artefak format yang muncul saat teks disalin dari berkas PDF: pemenggalan kata di akhir baris, paragraf dengan pembungkus keras, spasi ganda, ligatur, dan karakter Unicode tak terlihat. Pemrosesannya berjalan seketika di browser dengan sepuluh aturan yang bisa diatur.
PDF menyimpan teks sebagai glif berposisi, bukan sebagai paragraf mengalir. Saat disalin, penampil merekonstruksi urutan baca dari posisi glif, sehingga muncul pemisah baris di setiap ujung baris visual, pemenggalan kata, dan ligatur.
Ligatur adalah glif gabungan (fi, fl, ff, ffi, ffl) yang disimpan sebagai satu karakter Unicode dalam font PDF. Saat disalin, ia tampil sebagai karakter tunggal yang terlihat aneh di teks biasa. Pembersih menggantinya dengan padanan ASCII yang benar.
Banyak PDF membungkus teks pada lebar kolom tetap. Saat disalin, tiap baris visual menjadi baris terpisah dan memecah paragraf. Aturan ini mendeteksi baris terbungkus dan menyatukannya menjadi paragraf utuh, sambil mempertahankan pemisah paragraf berupa baris kosong.
Ya, sepenuhnya. Semua pembersihan berjalan lokal di browser Anda. Teks Anda tidak pernah keluar dari perangkat dan tidak dikirim ke server mana pun.
Ya, 100% gratis. Tanpa pendaftaran, tanpa paket premium, tanpa batas ukuran, dan tanpa batas pemakaian. Semuanya berjalan di browser Anda.
Bisa. Klik tombol unggah di panel masukan untuk memuat berkas .txt berisi teks hasil ekstraksi PDF. Anda juga bisa mengunduh hasil bersihnya sebagai .txt.
Heuristiknya mempertahankan baris kosong dan tidak menggabung baris yang berakhir dengan tanda baca akhir kalimat. Untuk teks dengan baris pendek yang disengaja (puisi, kode), matikan aturan «gabungkan pembungkus baris keras».
Itu karakter Unicode tak terlihat yang muncul di teks PDF dan mengganggu pencarian, perbandingan, serta pemrosesan bahasa alami. Pembersih menghapus karakter tak terlihat dan lebar nol yang umum.