Convertidor de PDF a texto

Saca el texto de uno o varios PDF con las columnas en orden, las palabras con guion reparadas y los párrafos conservados. Guárdalo como .txt o Markdown, o lee las páginas escaneadas con OCR. Los archivos se procesan en tu dispositivo y nunca se suben.

Archivos PDF

Todavía no hay ningún PDF

Elige un PDF para leer su texto, o prueba la muestra para ver cómo se manejan las columnas, las palabras con guion y una tabla.

Salida
Párrafos sencillos. Las tablas se convierten en filas separadas por tabuladores.
Saltos de línea
Se unen las líneas de un mismo párrafo. Lo mejor para leer y pegar en un documento.
Opciones

Texto extraído

Páginas
—
Palabras
—
Caracteres
—
Añade un PDF para empezar

El PDF se lee y el texto se genera en tu dispositivo. No se sube nada.

El orden del texto se reconstruye según la posición de cada palabra en la página, así que los diseños poco habituales, el texto dentro de dibujos y las tablas complejas pueden salir en un orden incorrecto. Las páginas escaneadas necesitan OCR, que es menos preciso que el texto real. Revisa el resultado antes de fiarte de él.

Cómo extraer texto de un PDF

Para extraer texto de un PDF, suelta el archivo en el recuadro de arriba. El texto aparece a la derecha en cuanto se leen las páginas, y puedes copiarlo o descargarlo como archivo .txt o Markdown. Todo ocurre en tu navegador, así que un contrato, un extracto bancario o un manuscrito inédito nunca se envía a un servidor.

  1. Añade un PDF o varios. Usa el botón de muestra si solo quieres ver qué hace la herramienta.
  2. Elige texto plano o Markdown, y decide si las líneas deben unirse en párrafos.
  3. Escribe un rango de páginas si solo necesitas una parte del archivo, por ejemplo 1-3, 5, 8-.
  4. Revisa el resultado en la vista del documento completo o página por página, y luego cópialo o descárgalo. Con varios archivos, Descargar todo (.zip) da un archivo de texto por cada PDF.

Los recuentos de palabras y caracteres que aparecen sobre el texto corresponden a las páginas que has seleccionado, lo que resulta práctico para contar rápidamente un informe largo sin abrir un procesador de textos.

Por qué el texto copiado de un PDF parece roto

Un PDF no contiene párrafos. Contiene fragmentos de texto con coordenadas, dibujados en el orden que eligió el programa que creó el archivo. Si seleccionas y copias desde un lector de PDF, obtienes un salto de línea al final de cada línea impresa, palabras partidas a la mitad por guiones y, en un artículo de dos columnas, la primera línea de la columna izquierda seguida de la primera de la derecha.

Esta herramienta reconstruye la estructura a partir de las coordenadas:

Problema al copiarLo que hace la herramientaOpción
Un salto de línea después de cada línea impresaUne las líneas de un párrafo y mantiene los espacios entre párrafosSaltos de línea
trans-
porte partido en dos líneas
Quita el guion y une la palabraCorregir palabras partidas con guion
Columnas mezcladasLee la columna izquierda hasta abajo y después la siguienteLeer las columnas una después de otra
Número de página y título en cada páginaElimina las líneas que se repiten en el margen superior o inferiorQuitar encabezados y pies de página repetidos
Una tabla convertida en un flujo de palabrasConserva filas y columnas, separadas por tabuladores o como tabla de MarkdownDetectar tablas

Una precaución con la corrección de guiones: une una continuación en minúscula con la palabra anterior, así que un compuesto real que casualmente se parte en un guion, como «franco-
alemán», se convierte en «francoalemán». Desmarca la opción en documentos con muchos compuestos.

¿Texto plano o Markdown?

El texto plano es la opción más segura para pegar en un correo, una app de notas o una herramienta de traducción. Markdown es mejor cuando el texto va a documentación, a una wiki o a una app de notas que lo entienda. La herramienta deduce los encabezados por el tamaño de letra: el tamaño de encabezado más grande pasa a #, el siguiente a ## y luego a ###. Las listas con viñetas y numeradas conservan sus marcadores, y las tablas se convierten en tablas de Markdown. Un PDF que usa un solo tamaño de letra para todo simplemente no tiene encabezados que encontrar.

PDF escaneados y OCR

Un escaneo es una foto de una página, así que no hay texto que extraer. Cuando una página no tiene capa de texto, aparece un cuadro de OCR donde eliges el idioma y lees las páginas. El motor OCR (Tesseract) funciona en tu navegador. El motor y los datos del idioma se descargan la primera vez que lo usas (unos pocos megabytes, más para algunos idiomas), y tus páginas siguen sin subirse.

Lo que no puede hacer

El texto que forma parte de una imagen, un gráfico o un dibujo no es texto del PDF y se omite, a menos que apliques OCR a la página. Los diseños complejos con cuadros flotantes, columnas laterales o texto alrededor de imágenes pueden leerse en un orden incorrecto, y la vista página por página es la forma más rápida de detectarlos. Los PDF hechos con una codificación de fuentes dañada pueden dar letras ilegibles, que verás en el resultado antes de descargar nada. El texto dibujado de lado se omite. Los archivos de más de 150 MB se rechazan para que la pestaña no se quede sin memoria.

Preguntas frecuentes

¿Cómo extraigo el texto de un PDF sin subirlo?

Suelta el PDF en esta página y el texto aparece a la derecha un momento después, listo para copiar o descargar como .txt. Tu navegador lee el archivo, así que nada sale de tu teléfono ni de tu ordenador. Un PDF de texto de 20 páginas tarda unos segundos.

¿Por qué el texto copiado de un PDF tiene saltos de línea rotos y espacios raros?

Un PDF no guarda párrafos, sino fragmentos de texto colocados en la página con sus coordenadas. Esta herramienta vuelve a ponerlos en orden de lectura, une las líneas de cada párrafo y arregla las palabras partidas con un guion al final de la línea, así que el resultado se pega limpio en un documento. Si necesitas las líneas exactamente como se imprimieron, cambia Saltos de línea a Mantener los saltos de línea.

¿Puede leer PDF con dos o tres columnas en el orden correcto?

En la mayoría de los casos, sí. La herramienta busca un espacio vertical claro y lee cada columna de arriba abajo antes de pasar a la siguiente, mientras que un título a todo el ancho por encima de las columnas se queda arriba. Las páginas de revista con texto alrededor de imágenes, columnas laterales o recuadros irregulares todavía pueden salir en un orden incorrecto, así que revisa esas páginas en la vista página por página.

¿Cómo extraigo el texto de un PDF escaneado?

Usa el cuadro de OCR que aparece cuando una página no tiene capa de texto. Elige el idioma del documento y pulsa Leer páginas con OCR. El motor funciona en tu navegador, y la primera vez se descargan los datos del idioma. Un escaneo limpio a 300 ppp se lee bien; una foto de teléfono torcida, mucho peor, así que revisa el resultado.

¿Puedo obtener el texto en Markdown con encabezados?

Sí. Elige Markdown (.md) y el texto más grande se convierte en encabezados: el tamaño mayor pasa a #, el siguiente a ## y luego a ###. Las listas con viñetas y numeradas conservan sus marcadores, y las tablas se convierten en tablas de Markdown. Los encabezados se deducen del tamaño de letra, así que un PDF con un único tamaño en todo el texto no tendrá ninguno.

¿Cómo quito encabezados, pies de página y números de página del texto extraído?

Deja marcada la opción Quitar encabezados, pies de página y números de página repetidos. Se eliminan las líneas del margen superior o inferior que se repiten en al menos la mitad de las páginas, y los números de página sueltos. Un título que aparece solo en una página se conserva. Desmarca la opción si estás quitando un pie que necesitas.

¿Puedo extraer texto solo de algunas páginas o de muchos PDF a la vez?

Escribe páginas como 1-3, 5, 8- en el cuadro Páginas y solo se leerán esas. También puedes añadir varios PDF y descargar un archivo de texto por cada uno en un único .zip. Las mismas opciones y el mismo rango de páginas se aplican a todos los archivos.

¿Hay un límite de tamaño para el PDF?

Se pueden abrir PDF de hasta 150 MB y se leen hasta 3,000 páginas a la vez. Las páginas se procesan una a una con una barra de progreso y un botón de Cancelar, así que un archivo de 200 páginas no congela la pestaña. Los PDF protegidos con contraseña piden la contraseña, y la usan solo para abrir el archivo en tu dispositivo.