PDF a texto
Un PDF creado desde un documento guarda texto real, que esta herramienta lee página a página para copiarlo o guardarlo como .txt. Un PDF escaneado no tiene capa de texto y necesita OCR. Hasta 50 MB y no se sube nada.
Cómo se usa
- Suelta un PDF en el recuadro o púlsalo para elegir un archivo (hasta 50 MB). Se muestra el número de páginas.
- Deja Páginas vacío para leerlas todas, o escribe un rango como 1-3,5. Marca la casilla de marcador si quieres una línea como --- 3 --- antes de cada página.
- Pulsa Extraer texto. El texto aparece en el cuadro, donde puedes editarlo. Cópialo o guárdalo como archivo .txt.
Cómo se calcula
La mayoría de los PDF creados desde un documento, una página web o una hoja de cálculo llevan su texto como caracteres reales con una posición en la página. La herramienta lee esos caracteres, une de izquierda a derecha los fragmentos que están en la misma línea y empieza una línea nueva cuando cambia la altura.
Un hueco mayor entre líneas se convierte en una línea en blanco, así los párrafos quedan separados. Las columnas, las tablas y los encabezados se leen en el orden en que el archivo los guarda, por lo que los diseños complejos pueden requerir algún retoque.
Un PDF escaneado es solo una imagen de texto y no tiene caracteres que leer, así que el resultado sale vacío. En ese caso convierte las páginas en imágenes y usa la herramienta de texto de imagen. El texto se lee con pdf.js en tu navegador y nunca se envía a un servidor.
Preguntas frecuentes
¿Se sube mi PDF?
No. El archivo se lee en esta pestaña del navegador. No hay subida, ni cuenta, ni copia guardada en otro sitio.
¿Por qué el resultado sale vacío o con caracteres raros?
Vacío suele significar que el PDF es un escaneo, una imagen de texto. Los caracteres raros aparecen cuando un PDF guarda el texto con una fuente propia sin correspondencia de texto. En ambos casos funciona mejor una herramienta de texto de imagen (OCR).
¿Por qué se mezclan columnas y tablas?
Un PDF guarda dónde va cada trozo de texto, no el orden de lectura. La herramienta sigue el orden del archivo y las líneas de la página, así que las páginas con varias columnas y las tablas pueden salir en otro orden del que lees.
¿Conserva fuentes y formato?
No. Solo obtienes texto sin formato. Se omiten negritas, tamaños, colores e imágenes.
¿Por qué dice que el archivo está protegido con contraseña?
El PDF está cifrado y no se puede abrir sin su contraseña. Ábrelo en un visor de PDF, quita la contraseña (guarda o imprime en un PDF nuevo) y añade esa copia aquí.