Extraer texto de un PDF
Saca las palabras de un PDF como texto sin formato, sin enviar el documento a ningún sitio.
- Funciona en tu dispositivo — el archivo no se envía a ningún sitio
- Sin registro, sin marcas de agua, sin cuotas diarias
- Gratis, sin límite de veces que lo uses
Cómo funciona
Un PDF con texto real contiene los propios caracteres, colocados en la página. Esta herramienta los lee en el orden de las páginas y los escribe en un archivo de texto sin formato: útil para citar, buscar, contar palabras o pasar un documento a algo que no puede leer PDF.
Los PDF de texto y los PDF escaneados son cosas distintas
Si un PDF lo generó un procesador de textos o una exportación, su texto está guardado como texto y la extracción funciona. Si lo generó un escáner o la cámara de un teléfono, cada página es una fotografía de un documento: no hay caracteres que extraer, solo píxeles. Leerlas necesita OCR, que esta herramienta deliberadamente no intenta. Te avisa cuando no encuentra nada, en lugar de devolverte un archivo vacío sin explicación.
El diseño no se conserva
El PDF guarda el texto como fragmentos colocados en coordenadas, no como párrafos. La extracción reconstruye las líneas agrupando los fragmentos a la misma altura, lo que funciona bien con prosa normal y mal con diseños de varias columnas, tablas y barras laterales, donde el orden de lectura puede salir desordenado.
Marcadores de página
Cada página va precedida de un marcador para que sepas dónde termina una y empieza la siguiente. Elimínalos con buscar y reemplazar si quieres prosa continua.
Extraer texto de un PDF — preguntas
¿Por qué está vacío el archivo extraído?
Casi con seguridad el PDF es un escaneo. Sus páginas son imágenes y no texto, así que no hay caracteres que extraer. Leerlas requiere OCR, que esta herramienta no hace.
¿Se sube mi PDF?
No. La extracción se ejecuta en tu navegador con PDF.js de Mozilla. El documento nunca sale de tu dispositivo.
¿Conserva el formato?
No. Obtienes texto sin formato. El PDF guarda el texto como fragmentos posicionados y no como párrafos, así que las columnas y las tablas en particular pueden salir en un orden inesperado.