Convertir un PDF a texto te da solo las palabras, sin diseño, fuentes ni imágenes, en un archivo .txt que se abre en cualquier sitio. Es la forma más rápida de buscar en un documento largo, citarlo o pasárselo a otro programa. Aquí funciona en tu navegador, así que tus documentos nunca se suben.
Extraer texto de varios PDF
Añade una carpeta entera de informes, artículos o extractos. Cada PDF se convierte en un archivo .txt con el mismo nombre y se guardan juntos en un ZIP. El texto sigue el orden de lectura de cada página, página tras página, en UTF-8, así que las tildes y los alfabetos no latinos salen bien.
Los PDF escaneados necesitan OCR
Esta herramienta lee el texto que está guardado dentro de un PDF. Un escaneo o una foto guardada como PDF solo contiene imágenes de letras, así que el resultado sale vacío. Prueba rápida: si no puedes seleccionar una palabra en tu visor de PDF, usa OCR de PDF, que reconoce las letras y también te da un archivo de texto.
Por qué no se puede copiar el texto de algunos PDF
Copiar desde un visor de PDF a menudo corta las líneas a mitad de frase, mezcla columnas o coge encabezados y números de página. Algunos PDF bloquean la copia con una contraseña de permisos; esos se pueden abrir antes con Desbloquear PDF. Y en algunos archivos las letras se dibujan con fuentes sin un mapa de caracteres correcto, así que el texto extraído parece un galimatías; pasar el OCR por ese archivo da un texto legible.
Cómo funciona
El texto se extrae con MuPDF, un motor de PDF que funciona en tu navegador. Lee los caracteres guardados en cada página junto con sus posiciones, los pone en orden de lectura y los escribe como texto plano. La primera vez, el motor (unos 39 MB) se descarga y lo guarda tu navegador. Tus archivos nunca se envían a ninguna parte.
Para qué se usa y cuándo no funciona
Buscar y citar en informes largos, reunir texto para una investigación o para apuntes, pegar un contrato en un correo, importar documentos a una herramienta de traducción o de IA y guardar archivos en texto plano.
- El formato no se conserva: ni negritas, ni tablas, ni imágenes. Para eso, usa PDF a Word.
- Los escaneos no dan texto sin OCR.
- Los diseños complejos, como tablas y páginas a varias columnas, pueden salir en un orden inesperado.