PDF para texto
Um PDF criado a partir de um documento guarda texto real, que esta ferramenta lê página a página para copiar ou salvar como .txt. Um PDF escaneado não tem camada de texto e precisa de OCR. Até 50 MB e nada é enviado.
Como usar
- Solte um PDF na caixa ou toque nela para escolher um arquivo (até 50 MB). O número de páginas aparece.
- Deixe Páginas vazio para ler todas, ou digite um intervalo como 1-3,5. Marque a caixa de marcador se quiser uma linha como --- 3 --- antes de cada página.
- Toque em Extrair texto. O texto aparece na caixa, onde você pode editá-lo. Copie ou salve como arquivo .txt.
Como é calculado
A maioria dos PDFs criados a partir de um documento, página da web ou planilha traz o texto como caracteres reais com uma posição na página. A ferramenta lê esses caracteres, junta da esquerda para a direita os trechos que estão na mesma linha e começa uma linha nova quando a altura muda.
Um espaço maior entre linhas vira uma linha em branco, mantendo os parágrafos separados. Colunas, tabelas e cabeçalhos são lidos na ordem em que o arquivo os guarda, então layouts complexos podem precisar de um pequeno ajuste.
Um PDF escaneado é só uma imagem de texto e não tem caracteres para ler, então o resultado vem vazio. Nesse caso, converta as páginas em imagens e use a ferramenta de texto de imagem. O texto é lido com pdf.js no seu navegador e nunca é enviado a um servidor.
Perguntas frequentes
Meu PDF é enviado para algum lugar?
Não. O arquivo é lido nesta aba do navegador. Não há envio, conta nem cópia guardada em outro lugar.
Por que o resultado vem vazio ou com caracteres estranhos?
Vazio costuma indicar que o PDF é um escaneamento, uma imagem de texto. Caracteres estranhos aparecem quando o PDF guarda o texto com uma fonte própria sem mapeamento de texto. Nos dois casos, uma ferramenta de texto de imagem (OCR) funciona melhor.
Por que colunas e tabelas saem misturadas?
Um PDF guarda onde cada trecho de texto fica, não a ordem de leitura. A ferramenta segue a ordem do arquivo e as linhas da página, então páginas com várias colunas e tabelas podem sair em ordem diferente da que você lê.
Mantém fontes e formatação?
Não. Você recebe só texto simples. Negrito, tamanhos, cores e imagens ficam de fora.
Por que diz que o arquivo tem senha?
O PDF está criptografado e não abre sem a senha. Abra-o em um leitor de PDF, remova a senha (salve ou imprima em um PDF novo) e adicione essa cópia aqui.