Extraer texto de PDF
Extrae la capa de texto de un PDF y guárdala como un archivo de texto UTF-8 limpio. Las líneas se reconstruyen según el diseño de la página, puedes elegir un
Suelta tu archivo PDF aquí
o haz clic para seleccionar
Saca el texto de un PDF para poder editarlo, buscarlo o pasarlo a otro programa. El diseño se reconstruye línea a línea y página a página, y el resultado puede copiarse o descargarse como archivo de texto plano.
Es útil cuando un informe solo existe en PDF, cuando necesitas citar un fragmento o cuando quieres revisar un documento sin abrir un lector. El texto se lee del propio archivo, así que funciona con PDF creados digitalmente; un escaneo no contiene capa de texto y necesita OCR.
Cómo extraer texto de un PDF
Añade tu PDF
Extrae el texto
Cópialo o descarga el archivo .txt
Preguntas frecuentes
¿Por qué mi PDF escaneado sale vacío?
Un escaneo es una imagen de texto sin capa de texto, así que no hay caracteres que extraer. Esos archivos necesitan primero un reconocimiento óptico de caracteres (OCR).
¿Se conserva el diseño?
Las líneas y los saltos de página se mantienen, pero los diseños complejos de varias columnas y las tablas salen como una aproximación en orden de lectura. Cuenta con retocar las tablas a mano.
¿Puedo extraer solo algunas páginas?
Sí, indica un rango de páginas y solo se procesarán esas: resulta útil en informes largos de los que necesitas una sección.
¿Funciona con texto no latino?
Sí, siempre que el PDF incorpore las fuentes necesarias para mostrar los caracteres. Los documentos en chino, japonés, coreano, cirílico y árabe suelen extraerse correctamente.
¿Hay algún límite de tamaño?
El límite práctico es la memoria de tu dispositivo. Los documentos largos se extraen página a página y pueden leerse a medida que llegan.
¿Se sube mi PDF?
No, la extracción se ejecuta en tu navegador.
De un vistazo
| Entrada | |
|---|---|
| Varios archivos | No |
| Dónde se ejecuta | En tu navegador: los archivos no se suben nunca |
| Funciona sin conexión | Sí — una vez cargada la página |
| Precio | Gratis, sin registro y sin marca de agua |
Mantener el texto seleccionable y buscable
Un PDF puede contener texto real o una imagen de texto, y la diferencia importa: el texto real se puede seleccionar, buscar, copiar y leer en voz alta, mientras que una página escaneada no, hasta que alguien le aplica OCR. Muchas herramientas de «reducir tamaño» convierten en silencio todo en imágenes, lo que encoge el archivo pero destruye la búsqueda y hace que el texto se vea borroso al ampliarlo. Si un documento tiene que seguir siendo utilizable —contratos, manuales, cualquier cosa que puedas necesitar buscar más adelante—, mantén el texto como texto y comprime solo las imágenes. Si partes de un escaneo, aplica primero OCR y comprime después.
Qué hace realmente grande a un PDF
Casi todo lo que ocupa un PDF voluminoso son imágenes, no texto. Un escaneo de diez páginas puede pesar 40 MB, mientras que un documento de texto de 300 páginas suele quedarse por debajo de 2 MB. Por eso la compresión se centra en las imágenes incrustadas: las reduce a una resolución sensata (150 dpi suelen bastar para leer en pantalla, 300 dpi solo si alguien va a imprimirlo) y las vuelve a codificar de forma más eficiente. El texto, los marcadores, los enlaces y los campos de formulario cuestan casi nada y nunca deberían tener que eliminarse. Si un archivo sigue siendo grande después de comprimirlo, normalmente contiene muchas imágenes de alta resolución que el ajuste de compresión no tocó, o fuentes incrustadas y adjuntos que puedes eliminar.