Funciona en este dispositivo

PDF a texto

Saca las palabras de un PDF como archivo de texto plano: unidas en párrafos para leer, o línea a línea para datos.

    Cómo extraer el texto de un PDF

    1. Elige tu PDF. Empieza a leerlo de inmediato: no hay nada que pulsar.
    2. Elige si las líneas partidas deben unirse en párrafos o conservarse tal como caen.
    3. Guarda el .txt y ábrelo donde quieras: es texto plano en UTF-8.

    Dos tareas distintas con el mismo nombre

    Tras «sacar el texto» se esconden dos tareas que piden tratamientos opuestos. Si vas a leer el resultado, o a pegarlo en algún sitio, quieres que las líneas que la página partió se vuelvan a unir en frases. Si estás extrayendo una tabla o una lista de códigos, esos saltos de línea *son* la estructura, y unirlos la destruye.

    Por eso se ofrecen las dos en lugar de adivinar. La unión usa el espacio entre líneas para decidir dónde acaba de verdad un párrafo, y recompone las palabras partidas con guion al final de línea. Conservar las líneas te da la página exactamente como estaba compuesta, línea a línea.

    El texto procede de la propia capa de texto del PDF, así que son las palabras que el documento contiene realmente, no una suposición a partir de una imagen. Eso también significa que un PDF escaneado no tiene texto que extraer: contiene fotografías de texto. La herramienta te lo dice en lugar de entregarte un archivo vacío.

    La salida es UTF-8 plano, que cualquier editor, hoja de cálculo o script lee sin ceremonias. El formato no sobrevive, por definición: si quieres títulos y negrita, usa PDF a Word.

    Preguntas sobre extraer texto

    ¿Por qué está vacío mi archivo?

    Porque el PDF es un escaneo: contiene imágenes de páginas en lugar de texto. Leer esas palabras exige OCR, y hacer OCR en línea significa subir tu documento. La herramienta te lo dice en vez de entregarte un archivo en blanco.

    ¿Uno las líneas o las conservo?

    Únelas para todo lo que vayas a leer o pegar como prosa: informes, cartas, artículos. Consérvalas para tablas, código, direcciones o listas, donde los saltos de línea llevan un significado que unirlos destruiría.

    ¿Se mantiene el formato?

    No, y eso es lo que significa texto plano. La negrita, los títulos, las columnas y las tablas se aplanan en palabras. Si necesitas el formato, PDF a Word conserva párrafos, títulos y estilos de carácter.

    ¿Por qué sale revuelta una página a varias columnas?

    Un PDF no registra que algo fuera una columna, así que el texto se lee en el orden en que se colocó en el archivo, lo que en un diseño a dos columnas suele significar saltar de una a otra. Conservar las líneas en vez de unirlas suele facilitar ordenarlo a mano.

    ¿Se sube mi documento?

    No. Tu navegador lee el PDF y escribe el .txt en tu dispositivo. No se envía nada a ninguna parte.

    Otras herramientas PDF