Extrae la capa de texto de un PDF como un archivo .txt sencillo, para copiar, reutilizar o buscar. En local, sin subir nada.
Procesando localmente en tu dispositivo ...
0%
Tus archivos nunca salieron de tu dispositivo
No. Todo se ejecuta en tu navegador: tu archivo nunca sale de tu dispositivo. Cómo se puede comprobar
A veces solo necesitas el texto puro de un PDF: incorporar una cita a un documento, pegar un contrato en el editor, indexar contenido para una búsqueda o un archivo, o pasarle el texto a un lector de pantalla. Esta herramienta lee la capa de texto incrustada en el PDF y la devuelve como un archivo .txt sencillo, sin tipografías, imágenes, colores ni diseño, solo los caracteres.
El orden se reconstruye página por página: los fragmentos de texto a la misma altura forman una línea, leída de arriba abajo y de izquierda a derecha. Puedes elegir cómo separar las páginas: con una línea en blanco (predeterminado), con un salto de página clásico para editores e impresoras, o sin separador para un texto corrido. Así la salida encaja con tu siguiente paso, ya sea edición, importación o búsqueda de texto completo.
Importante y dicho con honestidad: esta herramienta solo extrae el texto que ya existe como capa en el PDF. Un PDF escaneado o formado solo por fotos no tiene esa capa; ahí la salida queda vacía y necesitas en su lugar el reconocimiento PDF OCR, que detecta letras a partir de los píxeles. Los diseños complejos con varias columnas, tablas o notas al pie tampoco siempre se pueden llevar a un orden lineal perfecto. Pero para PDF normales y reales (creados en programas de oficina, navegadores o sistemas de composición) la extracción entrega un texto limpio y reutilizable. Todo se ejecuta en local en el navegador con pdf.js; tu archivo no sale de tu dispositivo.
| Formatos de entrada | |
|---|---|
| Formato de salida | TXT |
| Procesamiento por lotes | No |
| Procesamiento | Local en el navegador (JavaScript) |
| Subida de archivos | Ninguna |
Límites: Extrae la capa de texto existente de un PDF y la devuelve como archivo .txt en UTF-8; las líneas se reconstruyen a partir de las posiciones del texto. Los PDF escaneados o de solo imagen no tienen capa de texto, ahí la salida queda vacía: usa entonces PDF OCR. Las tipografías, imágenes, colores y el diseño exacto (páginas a varias columnas, tablas) se pierden o solo se aproximan de forma lineal. Desbloquea antes los PDF protegidos con contraseña con Desbloquear PDF.
Probablemente tu PDF es un escaneo o está formado por imágenes y no tiene capa de texto. Usa entonces PDF OCR, que reconoce el texto a partir de los píxeles.
No. Obtienes texto puro en orden de lectura. Las tipografías, imágenes, columnas y tablas no se reproducen de forma fiel.
En UTF-8, de modo que las tildes, la eñe y los caracteres especiales se conservan correctamente.
A tu elección: con una línea en blanco (predeterminado), un salto de página o sin separador para un texto corrido.
No, la extracción de texto ocurre por completo en local en el navegador.