Extrair Texto do PDF
Retire a camada de texto de um PDF e salve-a como um arquivo de texto UTF-8 limpo. As linhas são reconstruídas a partir do layout da página, você pode
Solte seu arquivo PDF aqui
ou clique para escolher arquivos
Retire o texto de um PDF para poder editá-lo, pesquisá-lo ou alimentar outro programa com ele. O layout é reconstruído linha por linha e página por página, e o resultado pode ser copiado ou baixado como um arquivo de texto simples.
Útil quando um relatório só existe em PDF, quando você precisa citar uma passagem ou quando quer conferir um documento sem abrir um leitor. O texto é lido do próprio arquivo, então funciona em PDFs criados digitalmente; uma digitalização não tem camada de texto e precisa de OCR.
Como extrair texto de um PDF
Adicione seu PDF
Extraia o texto
Copie ou baixe o arquivo .txt
Perguntas frequentes
Por que meu PDF digitalizado vem vazio?
Uma digitalização é a foto de um texto, sem camada de texto, então não há caracteres para extrair. Esses arquivos precisam primeiro de reconhecimento óptico de caracteres (OCR).
O layout é preservado?
Linhas e quebras de página são mantidas, mas layouts complexos de várias colunas e tabelas saem como uma aproximação da ordem de leitura. Conte com ajustes manuais nas tabelas.
Posso extrair apenas algumas páginas?
Sim, informe um intervalo de páginas e só elas são processadas - útil em relatórios longos quando você precisa de uma seção específica.
Funciona com textos que não usam o alfabeto latino?
Sim, desde que o PDF incorpore as fontes necessárias para exibir os caracteres. Documentos em chinês, japonês, coreano, cirílico e árabe normalmente são extraídos corretamente.
Existe um limite de tamanho?
O limite prático é a memória do seu dispositivo. Documentos longos são extraídos página por página e podem ser lidos conforme chegam.
Meu PDF é enviado para algum servidor?
Não, a extração roda no seu navegador.
Visão geral
| Entrada | |
|---|---|
| Vários arquivos | Não |
| Onde roda | No seu navegador - os arquivos nunca são enviados |
| Funciona offline | Sim — depois que a página carrega |
| Preço | Grátis, sem cadastro, sem marca d'água |
Manter o texto selecionável e pesquisável
Um PDF pode conter texto de verdade ou a imagem de um texto, e a diferença importa: o texto real pode ser selecionado, pesquisado, copiado e lido em voz alta, enquanto uma página digitalizada não pode, até que alguém aplique OCR nela. Muitas ferramentas de "reduzir tamanho" achatam tudo silenciosamente em imagens, o que diminui o arquivo mas destrói a possibilidade de pesquisa e deixa o texto borrado quando você amplia. Se um documento precisa continuar utilizável - contratos, manuais, qualquer coisa que você talvez precise pesquisar depois -, mantenha o texto como texto e comprima apenas as imagens. Se você está partindo de uma digitalização, aplique OCR primeiro e comprima depois.
O que realmente deixa um PDF grande
Quase tudo o que ocupa espaço em um PDF volumoso são imagens, não texto. Uma digitalização de dez páginas pode ter 40 MB, enquanto um documento de texto de 300 páginas costuma ficar abaixo de 2 MB. É por isso que a compressão ataca as imagens incorporadas: ela as reduz para uma resolução razoável (150 dpi normalmente bastam para leitura na tela, 300 dpi só se alguém for imprimir) e as recodifica de forma mais eficiente. Texto, marcadores, links e campos de formulário custam quase nada e nunca deveriam precisar ser removidos. Se um arquivo continua grande depois da compressão, geralmente ele contém muitas imagens em alta resolução que o ajuste de compressão não tocou, ou fontes incorporadas e anexos que você pode remover.