¿Qué hace esta herramienta?
Saca cada trozo de texto seleccionable de un PDF y lo deja en un cuadro de texto plano, listo para copiar o descargar como .txt. Los marcadores de página muestran dónde empieza cada página, y puedes apagarlos cuando quieras un flujo limpio e ininterrumpido.
Cómo extraer texto de un PDF
- Añade el PDF; la extracción empieza en tu navegador al pulsar el botón.
- Observa el progreso por página en documentos largos.
- Copia el resultado al portapapeles, o descárgalo como .txt con el nombre de tu archivo.
Para qué sirve
Citar informes y papers sin reescribir. Meter el contenido en un traductor, un lector de texto a voz o un contador de palabras. Llevar texto limpio a apps de notas que estropean el pegado desde PDF. Indexar y buscar tu propio archivo. Reutilizar las palabras de un folleto o menú cuyo archivo fuente ya no existe. La salida .txt es el formato más simple y portable — todo lo abre.
La gran limitación: PDF escaneados
Esta herramienta lee la capa de texto de PDF creados digitalmente — exportaciones de Word, facturas, billetes, informes. Los documentos escaneados y las páginas fotografiadas suelen no tener capa de texto: cada página es solo una imagen, y la extracción sale casi vacía. No es un fallo, es el archivo. Para escaneos hace falta reconocimiento óptico de caracteres (OCR), que lee los píxeles — un tool OCR está previsto en la sección de imagen de este sitio.
Extracción local, privada por defecto
El texto lo lee el motor pdf.js de Mozilla dentro de esta página. El documento nunca se sube, así que extraer de contratos, extractos e informes internos no pone su contenido en el servidor de nadie. Los archivos grandes tardan unos segundos de procesamiento local en lugar de una cola de subida.
Consejos
- El diseño se aplana: las páginas a varias columnas se leen de arriba abajo, de izquierda a derecha, y las tablas pierden la cuadrícula. Para datos estructurados, copia desde la app de origen.
- Si un «PDF» no da texto pero se ve lleno de palabras, es un escaneo — lo que necesitas es OCR.