PDF a texto
Obtén el texto de un PDF como texto plano para copiarlo o guardarlo como .txt, leído dentro de tu navegador y sin subir nada
Tu PDF
Haz clic para elegir un PDF, o suéltalo aquí
Solo archivos PDF. No ponemos límite de tamaño; los archivos muy grandes dependen de la memoria de tu dispositivo.
Déjalo vacío para todas las páginas, o escribe algo como 1-3, 5
Unir las líneas sirve para texto que se va a reajustar; se conserva el salto tras un signo de fin de frase y entre párrafos. Solo funcionan los PDF con texto seleccionable: un escaneo necesita OCR, que esta herramienta no hace.
Elige un PDF para extraer su texto
Cómo se usa
- Haz clic en el cuadro y elige un PDF, o suelta el archivo encima.
- Si quieres, escribe las páginas que necesitas, como 1-3, 5. Vacío significa todas las páginas.
- Decide si añades un marcador «Página n» y si unes las líneas de los párrafos.
- Lee el texto en el cuadro y presiona Copiar o Descargar .txt.
Ejemplo
Un informe de 12 páginas con texto seleccionable, con el campo de páginas vacío, da las 12 páginas en orden, cada una con «--- Página n ---» al principio. Escribir 3-5 da solo esas tres páginas. Un PDF hecho escaneando papel no da ningún texto, y la herramienta lo dice en vez de mostrar un cuadro vacío.
Metodología
Qué se lee. Muchos PDF guardan su texto como pequeños fragmentos, cada uno con una posición en la página. El navegador lee esos fragmentos con la biblioteca de código abierto PDF.js, servida desde este sitio, y la herramienta los vuelve a unir en líneas comparando sus posiciones: una línea nueva empieza cuando cambia la posición vertical, se añade un espacio cuando dos fragmentos están separados y una línea en blanco cuando el hueco es mucho mayor que la altura de línea. La unión opcional sustituye los saltos de línea dentro de un párrafo por espacios, salvo tras un signo de fin de frase.
Qué saber antes de extraer el texto de un PDF
- ¿Texto o imagen? Prueba a seleccionar una palabra con el mouse en un visor de PDF. Si puedes, el archivo tiene texto; si toda la página se marca como un solo bloque, es una imagen.
- Columnas y tablas. El texto en varias columnas o en una tabla puede salir línea a línea a lo ancho de la página. Extraer página por página ayuda a detectar problemas.
- Caracteres raros. Algunos PDF usan fuentes propias o ligaduras que se convierten en símbolos o letras que faltan. Comprueba nombres, números y citas con el original.
- Derecho de uso. Extraer el texto de un documento no cambia a quién pertenece; úsalo según las condiciones del documento.
Preguntas frecuentes
¿Funciona con PDF escaneados? ▼
No. Un escaneo es una imagen de la página, y leer letras de una imagen requiere OCR, que esta herramienta no hace. Si puedes seleccionar texto con el mouse en un visor de PDF, esta herramienta funcionará.
¿Mi PDF se sube a algún servidor? ▼
No. El PDF se lee dentro de la pestaña de tu navegador. La página solo descarga sus propios scripts, así que contratos o documentos personales se quedan en tu dispositivo.
¿Por qué el texto sale desordenado o partido en líneas? ▼
Un PDF guarda fragmentos de texto con posición, no párrafos. Columnas, tablas y cuadros de texto pueden salir en otro orden. Prueba página por página, o activa unir líneas para párrafos sencillos.
¿Puede abrir un PDF protegido con contraseña? ▼
No. Si el archivo pide contraseña para abrirse, la herramienta lo indica y se detiene. Necesitarías una copia sin protección que tengas derecho a usar.
¿Hay un límite de páginas o de tamaño? ▼
No ponemos ninguno. Los PDF muy largos o pesados dependen de la memoria de tu dispositivo; para ellos usa el campo de páginas y extrae un rango cada vez.
¿Qué significa «Páginas sin texto»? ▼
Cuenta las páginas de tu selección en las que no se encontró texto seleccionable, por ejemplo imágenes a página completa o páginas en blanco.