Extractor de PDF a texto

El Extractor de PDF a texto convierte un PDF de nuevo en texto plano limpio y copiable, sin subir nada. Abre un archivo y la herramienta lee la capa de texto almacenada detrás de cada página, reconstruye cada línea a partir de la posición de los glifos y te entrega texto que realmente puedes reutilizar: las páginas de dos columnas salen columna a columna en lugar de intercaladas, se eliminan los títulos corridos y los números de página que se repiten en cada página, se vuelven a unir las palabras divididas por un guion al final de línea y las líneas partidas a mano se recomponen en párrafos reales. ¿Prefieres el espaciado original? Cambia a Mantener diseño para tablas, facturas y recibos, o a Orden sin procesar para ver exactamente lo que almacena el archivo. Todo ocurre en tu navegador, así que contratos, estados de cuenta, artículos y manuscritos nunca salen de tu dispositivo.

Cómo extraer texto de un PDF

1. Abre tu PDF. Arrastra el archivo al área de destino o pulsa Elegir un archivo PDF. Se lee en tu dispositivo y nunca se sube. ¿Tienes prisa? Pulsa Probar una página de muestra de dos columnas para ver la herramienta en acción de inmediato.
2. Elige un estilo de extracción. Flujo inteligente reconstruye los párrafos y el orden de lectura, Mantener diseño reproduce el espaciado de la página y Orden sin procesar muestra la extracción intacta.
3. Límpialo. Deja activadas Quitar encabezados y pies repetidos, Unir palabras con guion y Detectar columnas, y escribe un intervalo como 1-5, 12 en Páginas si solo necesitas parte del documento.
4. Copia o descarga. Lee la vista previa y luego pulsa Copiar todo el texto, o descarga el resultado como archivo .txt o Markdown.

¿Qué estilo de extracción debes usar?

Qué hace diferente a este Extractor de PDF a texto

Usos habituales

Citar un artículo de investigación sin volver a teclearlo; pasar el texto de un contrato o un contrato de arrendamiento a un documento para marcar cambios; extraer las partidas de una factura o un extracto; enviar un informe a un traductor, un resumidor o una app de notas; recuperar las palabras de un libro electrónico o un manual para buscar; preparar un corpus limpio para analizarlo; o simplemente poner un PDF largo en una forma que tu lector de pantalla, editor o teléfono pueda manejar con comodidad.

Cómo funciona la extracción

Casi todos los PDF creados de forma digital almacenan una capa de texto invisible detrás de la página visible: los mismos caracteres que puedes seleccionar en un lector, cada uno registrado con la posición exacta en la que se dibuja. Esta herramienta lee esa capa y luego reconstruye la estructura a partir de la geometría. Los caracteres que comparten una línea base se convierten en una línea. Se mide el espacio horizontal que cubre cada línea a lo ancho de la página, y una franja vertical que ninguna línea cruza se trata como el canal de un diseño de varias columnas, lo que fija el orden de lectura. Las líneas que abarcan todo el ancho (títulos, pies de figura, filetes) dividen la página en regiones de columnas y se quedan donde están. Por último, el interlineado típico y el borde derecho del cuerpo del texto indican a la herramienta dónde termina de verdad un párrafo, de modo que las líneas solo se unen cuando el texto continúa de verdad.

Cuándo la extracción no puede funcionar

Un documento escaneado es una fotografía de una página. No tiene capa de texto, así que no hay nada que extraer y cualquier herramienta que afirme lo contrario está adivinando. Este extractor detecta ese caso y lo dice, en lugar de entregarte un archivo vacío; para obtener texto de un escaneo primero necesitas OCR (reconocimiento óptico de caracteres). Los PDF cifrados tampoco se pueden abrir hasta que se quite la protección. Y como un PDF describe instrucciones de dibujo y no un esquema de documento, algunas cosas son inherentemente aproximadas: las páginas con mucho diseño, los laterales, las notas al pie, la notación matemática y el texto dibujado como arte vectorial pueden salir en un orden que convenga ordenar a mano. Cambiar entre los tres estilos suele ser la forma más rápida de obtener el punto de partida más limpio.