Convertir PDF a texto
Gratis, privado y rápido: todo ocurre en su navegador y su archivo PDF nunca se sube.
Por qué convertir un PDF en texto sin formato
Copiar texto desde un lector de PDF funciona para una frase, pero con un documento entero arrastra saltos de línea extraños, se salta páginas o se detiene al final de la pantalla. Esta herramienta lee la capa de texto de cada página y le da un único archivo de texto sin formato en UTF-8, listo para un editor de texto, una herramienta de traducción, un script o una búsqueda. El texto también aparece en la página con un botón «Copiar texto», para que pueda pegarlo en otro sitio sin descargar nada. Elija cómo se separan las páginas: una línea corta de marca como «--- Página 2 ---», una línea vacía o un carácter de salto de página (form feed) para las herramientas que cuentan las páginas así. Muchos PDF, sobre todo los escaneos, no tienen ninguna capa de texto; la herramienta le dice qué páginas están afectadas en lugar de entregarle un archivo vacío.
Cómo extraer el texto de un PDF
- Suelte su PDF en el recuadro o haga clic para elegirlo.
- Elija qué va entre las páginas.
- Haga clic en «Extraer texto» y después descargue el archivo .txt o copie el texto del recuadro de abajo.
Qué debe tener en cuenta
Los PDF escaneados no tienen texto
Un escáner o la cámara de un teléfono guarda cada página como una imagen. Salvo que se aplicara OCR (reconocimiento de texto) al crear el PDF, no hay texto que extraer, y esta herramienta no hace OCR. Las páginas sin texto se indican por número, así que un PDF que mezcla páginas mecanografiadas y anexos escaneados sigue siendo útil.
Columnas y tablas
El texto sale en el orden en que el PDF lo guarda. En párrafos normales, ese es el orden de lectura. Los periódicos con varias columnas, los formularios y las tablas pueden salir columna por columna o con las celdas juntas en una sola línea, así que revíselos antes de fiarse del resultado.
Caracteres extraños
Algunos PDF, a menudo antiguos o creados con ciertos controladores de impresión, usan fuentes sin una tabla que diga qué letra es cada forma. Su texto puede verse bien en pantalla pero salir como símbolos sin sentido. Es una propiedad del archivo; otra herramienta que lea la misma capa de texto obtiene el mismo resultado.
No se conserva la maquetación
Un archivo .txt no tiene fuentes, negritas, imágenes ni maquetación de página, solo caracteres y saltos de línea. Los encabezados, los pies de página y los números de página impresos en las páginas forman parte del texto y aparecen en cada página.
Sobre los formatos
El PDF (Portable Document Format) fue creado por Adobe en 1993 y es una norma ISO desde 2008. Un PDF se ve igual en todos los dispositivos, por eso se usa para contratos, facturas, formularios, manuales y documentos escaneados.
- Una página puede contener texto, gráficos vectoriales e imágenes, cada uno colocado con exactitud.
- Un documento escaneado suele consistir en una imagen por página.
- Un PDF puede protegerse con una contraseña, necesaria para abrirlo o editarlo.
Texto sin formato
Un archivo de texto sin formato (.txt) contiene solo caracteres y saltos de línea: ni fuentes, ni colores, ni imágenes, ni maquetación. Eso lo convierte en el formato de documento más portátil que existe, legible por cualquier editor, herramienta de búsqueda y lenguaje de programación.
- La codificación decide cómo se guardan las letras fuera de la A-Z; UTF-8 cubre todos los alfabetos.
- Windows termina las líneas con CR LF, Mac y Linux con LF; los editores actuales leen ambas.
- No hay maquetación de página, así que los saltos de página se escriben como líneas de marca o caracteres de salto de página (form feed).
Preguntas frecuentes
¿Se sube mi PDF?
No. Su navegador lee el texto en su propio dispositivo, y ni el PDF ni el texto se envían a ningún sitio.
¿Qué codificación usa el archivo de texto?
UTF-8, que conserva letras como ñ, ü y é, y caracteres de otros alfabetos. Todos los editores de texto actuales, incluidos el Bloc de notas de Windows 10 y 11 y TextEdit en un Mac, lo abren correctamente.
¿Puedo extraer el texto de un PDF protegido con contraseña?
No si necesita contraseña para abrirse. Quite primero la contraseña en su lector de PDF y extraiga después el texto aquí.
¿Puedo obtener el texto de solo algunas páginas?
La herramienta lee el documento completo. Para obtener unas pocas páginas, extraiga primero esas páginas a un PDF nuevo y convierta ese archivo, o mantenga las marcas de página y borre lo que no necesite en un editor de texto.