PDF para texto
Receba o texto de um PDF como texto simples para copiar ou salvar como .txt, lido dentro do navegador e sem enviar o arquivo
Seu PDF
Clique para escolher um PDF, ou solte-o aqui
Somente arquivos PDF. Não definimos limite de tamanho; arquivos muito grandes dependem da memória do seu aparelho.
Deixe vazio para todas as páginas, ou digite algo como 1-3, 5
Unir as linhas ajuda em textos que serão reformatados; a quebra é mantida depois de um sinal de fim de frase e entre parágrafos. Só funcionam PDFs com texto selecionável: um PDF escaneado precisa de OCR, que esta ferramenta não faz.
Escolha um PDF para extrair o texto dele
Como usar
- Clique na caixa e escolha um PDF, ou solte o arquivo em cima dela.
- Se quiser, digite as páginas desejadas, como 1-3, 5. Vazio significa todas as páginas.
- Decida se adiciona um marcador “Página n” e se une as linhas dos parágrafos.
- Leia o texto na caixa e clique em Copiar ou Baixar .txt.
Exemplo
Um relatório de 12 páginas com texto selecionável, com o campo de páginas vazio, devolve as 12 páginas em ordem, cada uma começando com “--- Página n ---”. Digitar 3-5 devolve só essas três páginas. Um PDF feito ao escanear papel não devolve texto nenhum, e a ferramenta avisa isso em vez de mostrar uma caixa vazia.
Metodologia
O que é lido. Muitos PDFs guardam o texto como pequenos fragmentos, cada um com uma posição na página. O navegador lê esses fragmentos com a biblioteca de código aberto PDF.js, servida por este site, e a ferramenta os reagrupa em linhas comparando as posições: uma nova linha começa quando a posição vertical muda, um espaço é adicionado quando dois fragmentos estão afastados e uma linha em branco quando o intervalo é bem maior que a altura da linha. A união opcional troca as quebras de linha dentro de um parágrafo por espaços, exceto depois de um sinal de fim de frase.
O que saber antes de extrair o texto de um PDF
- Texto ou imagem? Tente selecionar uma palavra com o mouse num leitor de PDF. Se conseguir, o arquivo tem texto; se a página inteira ficar marcada como um bloco só, é uma imagem.
- Colunas e tabelas. Texto em várias colunas ou em tabela pode sair linha a linha ao longo da página. Extrair página por página ajuda a notar problemas.
- Caracteres estranhos. Alguns PDFs usam fontes próprias ou ligaduras que viram símbolos ou letras faltando. Confira nomes, números e citações com o original.
- Direito de uso. Extrair o texto de um documento não muda de quem ele é; use conforme as condições do documento.
Perguntas frequentes
Funciona com PDFs escaneados? ▼
Não. Um PDF escaneado é uma imagem da página, e ler letras de uma imagem exige OCR, que esta ferramenta não faz. Se você consegue selecionar texto com o mouse num leitor de PDF, esta ferramenta vai funcionar.
Meu PDF é enviado para algum servidor? ▼
Não. O PDF é lido dentro da aba do seu navegador. A página só baixa os próprios scripts, então contratos e documentos pessoais ficam no seu dispositivo.
Por que o texto sai fora de ordem ou quebrado em linhas? ▼
Um PDF guarda fragmentos de texto com posição, não parágrafos. Colunas, tabelas e caixas de texto podem sair em outra ordem. Tente página por página, ou ative a união de linhas para parágrafos simples.
Abre um PDF protegido por senha? ▼
Não. Se o arquivo pede senha para abrir, a ferramenta avisa e para. Você precisaria de uma cópia sem proteção que tenha o direito de usar.
Existe limite de páginas ou de tamanho? ▼
Não definimos nenhum. PDFs muito longos ou pesados dependem da memória do seu dispositivo; para esses, use o campo de páginas e extraia um intervalo por vez.
O que significa “Páginas sem texto”? ▼
Conta as páginas da sua seleção em que não foi encontrado texto selecionável, por exemplo imagens de página inteira ou páginas em branco.