PDF a Texto - Extrae el Texto de un PDF en el Navegador
Extractor de texto de PDF
Déjalo vacío para todo el documento, o escribe 1-5, 8 para páginas concretas.
El archivo se abre y se lee dentro de esta página. Nunca se sube, así que después no hay nada guardado ni borrado en un servidor.
Qué hace este extractor
Una página PDF es una lista de instrucciones de dibujo, y las palabras que hay en ella suelen ser objetos de texto reales, no una imagen. Esta página lee esos objetos directamente, así obtienes caracteres que puedes buscar, citar y editar, sin que el archivo salga de tu ordenador.
Cómo se usa
- 1 Suelta el PDF sobre el cuadro, o haz clic y elige el archivo.
- 2 Indica el rango de páginas si solo necesitas una parte, y elige si conservar los saltos de línea.
- 3 Pulsa Extraer, luego copia el resultado o descárgalo como archivo .txt.
Extraer no es lo mismo que hacer OCR
Si el PDF salió de un procesador de textos o de un sistema de facturación, los caracteres ya están dentro y leerlos es exacto. Si viene de un escáner o de la cámara de un móvil, la página es solo una fotografía y no hay nada que leer; reconocer esas letras es reconocimiento óptico de caracteres, un trabajo distinto y mucho menos fiable. Esta herramienta te dice en qué caso estás en lugar de devolver un cuadro vacío.
De dónde salen los saltos de línea
Un PDF no guarda líneas ni párrafos, solo texto colocado en coordenadas. El lector agrupa en una línea los fragmentos que están a la misma altura y empieza otra cuando cambia la altura. Funciona bien en documentos normales e imperfectamente en maquetas a varias columnas, donde las dos columnas pueden entrelazarse.
Elegir páginas
El campo de rango acepta páginas sueltas e intervalos separados por comas. Los repetidos se descartan y las páginas se leen en orden, así que escribirlas desordenadas no molesta. Un número fuera de rango se rechaza en lugar de ignorarse en silencio, porque una página saltada sin avisar significa texto ausente que nunca notarás.
1-5 → 1, 2, 3, 4, 5 2, 7, 9 → 2, 7, 9 1-3, 10 → 1, 2, 3, 10 (bos) → todas las páginas
Una nota sobre el formato
La salida es texto plano, así que negritas, títulos, tablas e imágenes no sobreviven; una tabla se convierte en filas de palabras sin los bordes de las celdas. Si necesitas conservar la maqueta, convertir a un formato de documento es la herramienta adecuada, y si solo quieres las páginas como imágenes, las páginas PDF a JPG y PDF a PNG hacen eso.