Saltar para o conteúdo
Voltar a todas as ferramentas№ 060

Extrair texto

Tira todo o texto selecionável de um PDF num .txt simples.

0 B enviados para um servidor

Adiciona primeiro um ficheiro.

Copiar texto de um PDF à mão perde a ordem de leitura assim que o layout tem mais de uma coluna. A extração lê os objetos de texto e reconstrói o fluxo, por isso o que obténs é o conteúdo do documento e não uma mistura de fragmentos de colunas.

Funciona em PDF que contêm texto verdadeiro. Uma digitalização não tem nenhum, por isso passa-a primeiro pelo OCR.

Como funciona

  1. Abre o PDF.
  2. Deixa a camada de texto ser lida e a ordem de leitura reconstruída.
  3. Revê o texto extraído.
  4. Copia-o ou descarrega-o como ficheiro de texto simples.

Para que serve

  • Passar o conteúdo de um documento para uma aplicação de notas ou um editor.
  • Contar palavras ou pesquisar num relatório longo sem ligação à internet.
  • Preparar texto para tradução ou resumo.

Perguntas frequentes

O meu ficheiro é enviado para um servidor?
Não. O ficheiro é aberto por JavaScript e WebAssembly a correr no separador do teu próprio navegador. Nunca é enviado, não há processamento em nenhum servidor e nada fica guardado: ao fechar o separador, tudo desaparece.
Não foi extraído nada.
O PDF não tem camada de texto — é uma digitalização ou uma imagem exportada. Corre primeiro a ferramenta OCR PDF para criar uma.
A ordem do texto está errada.
Layouts complexos com barras laterais, citações em destaque e notas de rodapé são ambíguos até para um olho humano a ler coordenadas em bruto. O texto do corpo em várias colunas é tratado; páginas muito trabalhadas podem precisar de limpeza manual.
Posso manter a formatação?
Aqui não — isto devolve texto simples. Para negrito, títulos e estrutura usa PDF em Markdown, ou converte para Word.

Ferramentas relacionadas