Saltar al contenido
Volver a todas las herramientas№ 060

Extraer texto

Extrae todo el texto seleccionable del PDF a un .txt que puedes buscar y reutilizar.

0 B subidos a un servidor

Añade primero un archivo.

Copiar a mano el texto de un PDF pierde el orden de lectura en cuanto la maquetación tiene más de una columna. La extracción lee los objetos de texto y reconstruye el flujo, así que lo que obtienes es el contenido del documento y no un revoltijo de fragmentos de columnas.

Funciona con PDF que contienen texto real. Un escaneo no lo tiene, así que pásale antes OCR PDF.

Cómo funciona

  1. Abre el PDF.
  2. Deja que se lea la capa de texto y se reconstruya el orden de lectura.
  3. Revisa el texto extraído.
  4. Cópialo o descárgalo como archivo de texto plano.

Para qué se usa

  • Pasar el contenido de un documento a una app de notas o a un editor.
  • Contar palabras o buscar en un informe largo sin conexión.
  • Preparar texto para traducirlo o resumirlo.

Preguntas frecuentes

¿Se sube mi archivo a un servidor?
No. El archivo lo abren JavaScript y WebAssembly dentro de la pestaña de tu propio navegador. Nunca se sube, no hay procesamiento en ningún servidor y no se guarda nada: al cerrar la pestaña, todo desaparece.
No se ha extraído nada.
El PDF no tiene capa de texto: es un escaneo o una imagen exportada. Pasa antes la herramienta OCR PDF para crear una.
El orden del texto es incorrecto.
Las maquetaciones complejas con barras laterales, destacados y notas al pie son ambiguas incluso para un ojo humano que lea coordenadas en bruto. El texto a varias columnas se maneja bien; las páginas muy diseñadas pueden necesitar una limpieza manual.
¿Puedo conservar el formato?
Aquí no: esto devuelve texto plano. Para negritas, títulos y estructura usa PDF a Markdown, o convierte a Word.

Herramientas relacionadas