Extraia a camada de texto de um PDF como um ficheiro .txt simples, para copiar, reutilizar ou pesquisar. Localmente, sem envio.
Processando localmente no seu dispositivo ...
0%
Seus arquivos nunca saíram do seu dispositivo
Não. Tudo roda no seu navegador - o seu arquivo nunca sai do seu dispositivo. Como isso é verificável
Às vezes só precisas do texto puro de um PDF: incluir uma citação num documento, colar um contrato no editor, indexar conteúdo para uma pesquisa ou um arquivo, ou passar o texto a um leitor de ecrã. Esta ferramenta lê a camada de texto incorporada no PDF e devolve-a como um ficheiro .txt simples, sem tipos de letra, imagens, cores nem disposição, apenas os carateres.
A ordem é reconstruída página a página: os fragmentos de texto à mesma altura formam uma linha, lida de cima para baixo e da esquerda para a direita. Podes escolher como separar as páginas: com uma linha em branco (predefinido), com uma quebra de página clássica para editores de texto e impressoras, ou sem separador para um texto corrido. Assim a saída encaixa no teu passo seguinte, seja edição, importação ou pesquisa de texto integral.
Importante e dito com honestidade: esta ferramenta só extrai o texto que já existe como camada no PDF. Um PDF digitalizado ou composto apenas por fotos não tem essa camada; aí a saída fica vazia e precisas em vez disso do reconhecimento PDF OCR, que deteta letras a partir dos pixeis. Também as disposições complexas com várias colunas, tabelas ou notas de rodapé nem sempre se conseguem pôr numa ordem linear perfeita. Mas para PDF normais e reais (criados em programas de escritório, navegadores ou sistemas de composição) a extração entrega um texto limpo e reutilizável. Tudo corre localmente no navegador via pdf.js; o teu ficheiro não sai do teu dispositivo.
| Formatos de entrada | |
|---|---|
| Formato de saída | TXT |
| Processamento em lote | Não |
| Processamento | Localmente no navegador (JavaScript) |
| Upload de arquivos | Nenhum |
Limites: Extrai a camada de texto existente de um PDF e devolve-a como ficheiro .txt em UTF-8; as linhas são reconstruídas a partir das posições do texto. Os PDF digitalizados ou só de imagem não têm camada de texto, aí a saída fica vazia: use então PDF OCR. Os tipos de letra, imagens, cores e a disposição exata (páginas com várias colunas, tabelas) perdem-se ou são apenas aproximados de forma linear. Desbloqueie primeiro os PDF protegidos por palavra-passe com Desbloquear PDF.
Provavelmente o teu PDF é uma digitalização ou é composto por imagens e não tem camada de texto. Use então PDF OCR, que reconhece o texto a partir dos pixeis.
Não. Obténs texto puro na ordem de leitura. Tipos de letra, imagens, colunas e tabelas não são reproduzidos com fidelidade.
Em UTF-8, de modo que acentos e carateres especiais se conservam corretamente.
À escolha: com uma linha em branco (predefinido), uma quebra de página ou sem separador para um texto corrido.
Não, a extração de texto acontece inteiramente em local no navegador.