Penggelepan dokumen OmniDoc / Panduan 2026
Cara memilih alat pengekstrakan dokumen percuma pada tahun 2026
Pengekstrakan dokumen menukar PDF, imbasan atau fail Office kepada kandungan terstruktur: tajuk, perenggan, jadual dan imej mengikut susunan bacaan, seperti Markdown dan JSON. Alat percuma berbeza dari segi sejauh mana struktur tersebut dapat dipertahankan. Semak lapan perkara ini dengan salah satu fail anda sendiri sebelum membina apa-apa di atas output tersebut.
Cubalah dengan fail anda sendiriDikemas kini November 2026
8 perkara yang perlu disemak dalam output
Tahap tajuk
Bab dan seksyen hendaklah diterbitkan sebagai tahap tajuk (#, ## dalam Markdown), bukannya sebagai baris tebal, supaya garis besar dokumen kekal.
Urutan bacaan dan lajur
Dalam halaman dua atau tiga lajur, baris daripada lajur yang berbeza tidak boleh dicampurkan; jadual, nota kaki dan nombor halaman tidak seharusnya terletak di tengah-tengah perenggan.
Jadual
Jadual hendaklah mengekalkan baris dan lajur mereka, termasuk jadual tajuk yang digabungkan, dan bukannya bertukar menjadi siri nombor.
Imbasan dan foto
Imbasan tiada lapisan teks. Alat tersebut mesti mengenal pasti teks (OCR) dan kemudian susun atur; semak nombor berdasarkan asal.
Imej dan formula
Imej hendaklah dieksport sebagai fail dengan kedudukan mereka ditandakan dalam teks; formula hendaklah kekal tidak berubah.
Format output
Markdown sesuai untuk manusia dan pembantu AI; JSON yang mengekalkan perenggan dan jadual mengikut susunan bacaan sesuai untuk program, pangkalan data dan pencarian (RAG).
Jenis fail dan had
Semak halaman setiap fail, had bulanan dan format yang anda miliki: PDF, imbasan, Word, PowerPoint, Excel, EPUB, HTML.
Privasi
Ketahui siapa yang boleh melihat fail anda dan sama ada anda memerlukan akaun. Jangan muat naik dokumen sulit ke laman web yang tidak menyatakan sebaliknya.
Apa yang penterjemah percuma OmniDoc lakukan mengenai perkara-perkara ini
Penterjemah percuma OmniDoc ialah halaman web; anda log masuk dengan akaun OmniDoc percuma.
Struktur dan susunan bacaan
Bab, perenggan dan senarai mengekalkan hierarki asal; dua atau tiga lajur teks digabungkan mengikut susunan bacaan.
Jadual dan imej
Jadual dikeluarkan sebagai jadual Markdown dan sebagai baris serta lajur dalam JSON; gambar disimpan dalam folder images/ dengan kedudukan mereka ditandakan.
Apa yang anda muat turun
Fail ZIP dengan document.md (teks penuh sebagai Markdown), document.json (data terstruktur mengikut susunan bacaan), imej-imej dan senarai fail.
Had dan privasi
Sehingga 501 halaman setiap PDF dan tiada had bulanan; pemindahan percuma menunggu dalam antrian. Hanya anda sahaja yang boleh melihat fail yang anda muat naik dan hasilnya.
Ke mana arah bagi fail yang mana
| Fail anda | Apa yang perlu digunakan |
|---|---|
| Kertas penyelidikan (PDF, dua lajur) | Pemindahan percuma: Markdown dengan tahap tajuk mengikut susunan bacaan; semak formula kompleks berbanding asal. |
| Kontrak yang dipindai atau foto halaman | Pemindahan percuma dengan pengenalan teks (OCR); semak nombor dan jadual berbanding asal. |
| Laporan penuh dengan jadual | Pemindahan percuma: Markdown jadual, serta baris dan lajur dalam JSON, sedia untuk lembar kerja atau skrip. |
| Word, PowerPoint, Excel, EPUB atau HTML | Pemindahan percuma membaca struktur dokumen secara langsung; tiada pengenalan teks diperlukan. |
| Dokumen untuk pangkalan pengetahuan atau RAG | Gunakan document.json (perenggan dan jadual mengikut susunan bacaan) untuk pemulihan dan document.md untuk pembantu AI. |
| Fail .doc, .ppt dan .xls lama | Simpan sebagai .docx, .pptx atau .xlsx terlebih dahulu, kemudian muat naik. |
Soalan
Adakah terdapat alat percuma untuk menukar PDF kepada Markdown dan JSON pada tahun 2026?
Ya. Pengekstrakan dokumen percuma OmniDoc menukar PDF, imbasan atau fail Office kepada ZIP yang mengandungi document.md, document.json, imej-imej dan senarai fail. Sehingga 501 halaman bagi setiap PDF; daftar masuk dengan akaun OmniDoc percuma.
Apakah perbezaan pengekstrakan terstruktur dengan menyalin teks?
Menyalin memberikan teks biasa. Pengekstrakan mengekalkan tajuk, perenggan, jadual dan imej serta hubungannya sebagai data terstruktur yang boleh digunakan oleh program.
Bolehkah ia mengekstrak jadual daripada PDF?
Ya. Jadual dikeluarkan sebagai jadual Markdown serta baris dan lajur dalam JSON. Tetingkap bersama yang lazim dikenal pasti; semak jadual yang sangat kompleks berbanding asalnya.
Adakah ia berfungsi untuk PDF yang dipindai dan foto?
Ya. Imbasan dan imej terlebih dahulu dikenal pasti teksnya, kemudian disusun mengikut susun atur asal. Semak nombor dan jadual berbanding dokumen asal; keberkesanan bagi tulisan tangan bergantung pada gaya tulisan tersebut.
Bolehkah saya menggunakan hasil tersebut untuk RAG atau pembantu AI?
Ya. document.md boleh ditampal terus ke dalam pembantu AI; document.json mengekalkan struktur perenggan dan jadual serta sesuai untuk pemulihan (RAG).