Extrair texto de um PDF
Retire as palavras de um PDF como texto simples, sem enviar o documento a lugar nenhum.
- Roda no seu dispositivo — o arquivo nunca é enviado a lugar nenhum
- Sem cadastro, sem marcas d'água, sem cotas diárias
- Grátis, sem limite de quantas vezes você usa
Como funciona
Um PDF com texto real carrega os próprios caracteres, posicionados na página. Esta ferramenta os lê na ordem das páginas e os grava em um arquivo de texto simples — útil para citar, pesquisar, contar palavras ou alimentar algo que não lê PDF.
PDFs de texto e PDFs digitalizados são coisas diferentes
Se um PDF foi produzido por um processador de texto ou por uma exportação, seu texto é guardado como texto e a extração funciona. Se foi produzido por um scanner ou pela câmera de um celular, cada página é uma fotografia de um documento — não há caracteres para extrair, apenas pixels. Lê-los exige OCR, que esta ferramenta deliberadamente não tenta fazer. Ela avisa quando não encontra nada, em vez de devolver um arquivo vazio sem explicação.
O layout não sobrevive
O PDF guarda o texto como fragmentos colocados em coordenadas, e não como parágrafos. A extração reconstrói as linhas agrupando fragmentos na mesma altura, o que funciona bem para prosa comum e mal para layouts de várias colunas, tabelas e barras laterais, em que a ordem de leitura pode sair embaralhada.
Marcadores de página
Cada página é precedida por um marcador, para que você saiba onde uma termina e a próxima começa. Remova-os com localizar e substituir se quiser um texto contínuo.
Extrair texto de um PDF — perguntas
Por que meu arquivo extraído está vazio?
O PDF quase certamente é uma digitalização. Suas páginas são imagens, e não texto, então não há caracteres para extrair. Lê-las exige OCR, que esta ferramenta não faz.
Meu PDF é enviado?
Não. A extração roda no seu navegador usando o PDF.js da Mozilla. O documento nunca sai do seu dispositivo.
Ele mantém a formatação?
Não. Você recebe texto simples. O PDF guarda o texto como fragmentos posicionados, e não como parágrafos, então colunas e tabelas em particular podem sair em uma ordem inesperada.