PDF a texto

Extrae texto de un PDF en tres pasos

1. Elige un PDF de hasta 20 MiB y espera a que se comprueben su número de páginas y su perfil compatible. No se admiten documentos cifrados ni XFA.
2. Elige todas las páginas o introduce números y rangos de páginas físicas, como 1,3-5. Puedes seleccionar hasta 200 páginas; las repetidas se extraen una sola vez y en orden de documento.
3. Selecciona Extraer texto. Revisa el texto de cada página y elige Copiar todo el texto o Descargar TXT para obtener la selección actual completa.

Qué representa el texto extraído

La herramienta lee la capa de texto existente del PDF, no los píxeles de un escaneo. Las correspondencias de fuentes, el espaciado original y el orden del texto afectan al resultado, que puede diferir de la página visible.

Los elementos de texto conservan el orden devuelto por el motor. Un fin de línea indicado por el motor añade un salto de línea. Entre páginas seleccionadas, la herramienta inserta un salto de línea, un carácter de salto de página y otro salto de línea.

El motor normaliza algunos caracteres de compatibilidad y espacios en blanco. La herramienta no reconstruye columnas ni tablas, no une palabras partidas ni garantiza la secuencia Unicode original.

La vista previa muestra una página seleccionada cada vez. Copiar todo el texto y Descargar TXT incluyen toda la selección con separadores de página, en UTF-8 y sin añadir una marca de orden de bytes.

Selecciones y páginas vacías

En un documento de cinco páginas, introducir 5,1,3-5 selecciona las páginas 1,3,4,5 una vez cada una, en orden de documento. Los números impresos y las etiquetas del visor no cambian estos índices.

Si una página seleccionada no tiene texto extraído pero otra sí, los separadores de página conservan el lugar de la página vacía en el texto combinado.

Si ninguna página seleccionada produce texto que no sea espacio en blanco, la herramienta indica que no se ha extraído texto. El documento podría estar escaneado, vacío, contener solo glifos o carecer de correspondencias de texto utilizables; no se ejecuta OCR automáticamente.

Alcance y límites compatibles

Se extrae la capa de texto; no se realiza OCR ni se convierte el documento conservando su diseño. No se garantiza que los comentarios, formularios interactivos, adjuntos ni el orden de lectura del árbol de estructura aparezcan como texto de página.

Puede incluirse texto oculto, recortado o cubierto. La extracción no certifica la ocultación, no elimina contenido sensible ni demuestra que el texto coincida con lo visible. Revisa el resultado.

El PDF puede tener hasta 500 páginas y se pueden seleccionar hasta 200. Se aplican límites de elementos de texto, por página, de texto total y de tiempo; si falla una página o se supera un límite, no se exporta ningún resultado parcial.

Un trabajador dedicado al motor permite cancelar, pero la planificación del navegador y las asignaciones nativas no garantizan límites estrictos de tiempo real ni de memoria. Agotar el tiempo no demuestra que el PDF sea inválido.

Tratamiento local del documento

La herramienta no sube el documento, no guarda un historial de entrada ni crea una URL con contenido. Puede descargar archivos auxiliares fijos del motor desde el mismo origen. La copia y la descarga TXT solo se realizan cuando las eliges; este proceso local no certifica los servicios existentes del sitio.