Converter PDF em texto entrega só as palavras, sem layout, fontes ou imagens, em um arquivo .txt que abre em qualquer lugar. É o jeito mais rápido de pesquisar um documento longo, citar trechos ou passar o conteúdo para outro programa. Aqui tudo roda no seu navegador, então seus documentos nunca são enviados.
Extrair texto de vários PDFs
Adicione uma pasta inteira de relatórios, artigos ou extratos. Cada PDF vira um arquivo .txt com o mesmo nome, e todos são salvos juntos em um ZIP. O texto segue a ordem de leitura de cada página, página após página, em UTF-8, então acentos e alfabetos não latinos chegam certinhos.
PDFs escaneados precisam de OCR
Esta ferramenta lê o texto guardado dentro de um PDF. Uma digitalização ou uma foto salva como PDF só tem imagens de letras, então o resultado sai vazio. Teste rápido: se você não consegue selecionar uma palavra no seu leitor de PDF, use o OCR de PDF, que reconhece as letras e também entrega um arquivo de texto.
Por que alguns PDFs não deixam copiar o texto
Copiar de um leitor de PDF muitas vezes quebra as linhas no meio das frases, mistura colunas ou pega cabeçalhos e números de página. Alguns PDFs bloqueiam a cópia com uma senha de permissões; esses podem ser liberados antes com o Desbloquear PDF. E em alguns arquivos as letras são desenhadas com fontes sem um mapa de caracteres adequado, então o texto extraído sai embaralhado; passar o OCR nesse arquivo dá um texto legível.
Como funciona
O texto é extraído com o MuPDF, um mecanismo de PDF que roda no seu navegador. Ele lê os caracteres guardados em cada página junto com as posições, coloca na ordem de leitura e grava como texto simples. Na primeira vez, o mecanismo (cerca de 39 MB) é baixado e fica guardado no navegador. Seus arquivos nunca são enviados para lugar nenhum.
Para que as pessoas usam, e quando não funciona
Pesquisar e citar relatórios longos, juntar texto para pesquisas ou anotações, colar um contrato num e-mail, levar documentos para uma ferramenta de tradução ou de IA e manter arquivos em texto simples.
- A formatação não é mantida: nada de negrito, tabelas ou imagens. Para isso, use o PDF para Word.
- Digitalizações não dão texto sem OCR.
- Layouts complexos, como tabelas e páginas com várias colunas, podem sair numa ordem inesperada.