Extracción de texto de PDF

Saca el texto de un PDF como texto plano, de todas las páginas o de un rango, directamente en tu navegador.

Acerca de Extracción de texto de PDF

Qué es

Esta herramienta lee la capa de texto de un PDF y te la devuelve como texto plano, página a página. Puede volver a unir en párrafos las líneas cortadas por la maquetación y quitar los espacios de más, para que el texto quede listo para pegarlo en un documento o un traductor. Se pueden procesar varios archivos a la vez.

Funciones principales

  • Texto plano de todas las páginas o de un rango de páginas.
  • Las líneas cortadas por la maquetación unidas de nuevo en párrafos.
  • Los espacios de más eliminados.
  • Número de páginas y caracteres, con un separador entre páginas.
  • Varios PDF a la vez; descarga en .txt.

Cómo usarlo

  1. Suelta uno o varios PDF en la zona, haz clic en ella para elegirlos o pulsa «Ejemplo».
  2. Indica un rango de páginas si solo necesitas una parte del documento.
  3. Si quieres, activa «Unir líneas cortadas (Unwrap text)» o la eliminación de espacios de más.
  4. Pulsa «Extraer texto» y después cópialo o descarga el archivo .txt.

Cuándo es útil

  • Copiar una cita o una tabla de cifras de un informe.
  • Pasar el texto de un PDF a un traductor o a un contador de palabras.
  • Buscar en un documento largo con tu propio editor.

Privacidad y limitaciones

Tus datos

Tus archivos se procesan en el navegador y no se suben a ningún servidor: el sitio solo recibe un evento anónimo de «herramienta abierta», sin el contenido. Un resultado que envías a otra herramienta se queda 24 horas en este dispositivo, en «Actividad reciente».

Limitaciones

  • No hay reconocimiento de texto (OCR): un PDF escaneado sin capa de texto no da ningún texto.
  • Las maquetaciones complejas —columnas, tablas, notas al pie— pueden salir en un orden distinto al de lectura.

Preguntas frecuentes

¿Por qué no se encuentra texto en mi PDF?

Lo más probable es que el PDF sea un escaneo: imágenes de páginas sin capa de texto. La herramienta solo lee el texto que de verdad está en el archivo; aquí no se reconoce texto en imágenes (OCR).

¿Qué hace unir las líneas?

En un PDF, cada línea de la página termina con un salto de línea. Unirlas junta esas líneas en párrafos y conserva los cambios de párrafo reales, para que el texto se lea con normalidad.

¿Por qué el orden del texto está mal?

Un PDF guarda el texto en trozos colocados en la página, no en orden de lectura. En columnas o tablas, los trozos pueden salir en otra secuencia. Suele ayudar extraer un rango de páginas más pequeño.