Convertir PDF a texto
Extrae la capa de texto de un PDF y guárdala como archivo .txt sin formato, respetando el orden de lectura y las columnas.
Suelta tus archivos aquí
.pdf · hasta 300 MB
Más ajustesMenos ajustes
Cómo extraer texto
- 1
Añade tu PDF
Suelta un archivo o hasta veinte. El documento se abre en tu propio navegador, así que no viaja por la red.
- 2
Elige flujo o diseño preservado
«Flujo» recompone los párrafos para leer y editar; «preservar» mantiene las palabras donde están en la página, incluidos los espacios.
- 3
Descarga el .txt
Pulsa el botón y guarda el archivo. Un lote de PDFs se devuelve como un único ZIP con todos los archivos de texto.
El orden de lectura viene de la página, no del archivo
Un PDF guarda el texto como miles de fragmentos posicionados, dibujados en el orden que usó el programa que lo generó. Si se leen en ese orden en bruto, un artículo a dos columnas se convierte en medias frases alternadas. Esta herramienta ignora el orden interno del archivo y reconstruye la página: agrupa los fragmentos en líneas según su línea base, agrupa las líneas en columnas por los márgenes vacíos que bajan por la página y lee las columnas de izquierda a derecha. Los párrafos terminan donde el espacio vertical supera al interlineado normal, y las palabras partidas al final de línea con guion se vuelven a unir. Obtienes un texto que puedes pegar en un correo, un traductor o un script sin tener que limpiarlo antes.
Diseño, codificación y rangos de páginas
El diseño de flujo sirve para leer: un párrafo por bloque, sin saltos de línea irregulares. «Preservar diseño» mantiene la geometría original rellenando con espacios, que es lo que necesitas para recibos, listados, código y cualquier caso en que las columnas tengan significado. La salida es UTF-8 por defecto, con una variante con BOM para herramientas antiguas de Windows y una opción Windows-1251 para sistemas heredados en cirílico; si demasiados caracteres no caben en esa página de códigos, se te avisa antes de escribir el archivo y no después. Puedes desactivar los marcadores de página y extraer solo un rango, como 1-3, 5, en lugar de todo el documento.
El documento nunca sale de tu dispositivo
La extracción se ejecuta dentro de la pestaña de tu navegador: el PDF se analiza en memoria, el texto se ensambla ahí y el .txt va directo a tu carpeta de descargas. Nada se sube, nada se pone en cola en un servidor y no queda ninguna copia que alguien tenga que borrar después. Cierras la pestaña y desaparece, por eso es seguro usarlo con contratos o historiales médicos.
Preguntas frecuentes
¿Por qué no sale nada de mi PDF escaneado?
Porque un escaneo es una imagen de texto, no texto. No hay capa de texto que extraer, así que verás un aviso claro y un enlace a OCR, que lee las letras de la imagen y hace que el documento se pueda buscar. Después de eso, la extracción funciona con normalidad.
¿Cuál es la diferencia entre flujo y preservar?
«Flujo» une las líneas de nuevo en párrafos y elimina los saltos de línea originales, lo que va mejor para leer y editar. «Preservar» mantiene cada palabra en su posición en la página usando espacios, lo que es mejor para tablas, recibos y listados de ancho fijo.
¿Cómo se tratan las columnas y las tablas?
Las columnas se detectan por el espacio vacío entre ellas, así que la columna izquierda se lee completa antes de empezar con la derecha. Las filas de las tablas siguen siendo filas: una cuadrícula de celdas estrechas nunca se confunde con columnas, de modo que las celdas de una fila permanecen en la misma línea.
¿Se corrigen los saltos de línea con guion?
Sí, en el diseño de flujo. Una palabra partida como infor- al final de una línea y mation al principio de la siguiente se vuelve a unir en information. Los guiones reales dentro de palabras, como en de-hyphenation, se dejan tal cual.
¿Funciona con cirílico, árabe y chino?
Sí. El texto se escribe como UTF-8, así que se conservan todos los sistemas de escritura del PDF, incluidos cirílico, griego, árabe, hebreo, japonés, coreano y chino. Windows-1251 solo se ofrece para flujos de trabajo heredados en cirílico que lo necesiten.
¿Qué pasa con el formato del texto?
Se pierde, porque un archivo .txt no tiene formato. Negritas, colores, tamaños de fuente, imágenes y tablas no se conservan. Si quieres mantener títulos, listas y enlaces como estructura, convierte mejor a Markdown o a Word para obtener un documento totalmente editable.
¿Se sube mi archivo a un servidor?
No. Todo el proceso se ejecuta en tu navegador usando su propio motor de PDF. El archivo no se envía a ningún sitio, funciona sin registro y seguirá funcionando aunque tu conexión se corte a mitad de un documento grande.
¿De qué tamaño puede ser el PDF a extraer?
Hasta 2 GB por archivo y hasta veinte archivos a la vez. Las páginas se procesan una por una y nada se renderiza, así que un documento de quinientas páginas se mantiene muy por debajo de unos pocos cientos de megabytes de memoria.
Guías
- Pasar un PDF a Word en Mac sin Acrobat: tres formas y qué conserva cada unaEn Mac, Vista Previa copia texto y Pages no puede abrir un PDF, así que la vía integrada termina en copiar y pegar. Esto es lo que conserva cada vía, desde la conversión del propio Word hasta una herramienta en línea que, en nuestro servidor, reconstruye el archivo como DOCX.
- Comprimir un PDF a un tamaño exacto, no solo «más pequeño»La compresión normal de PDF da el tamaño que salga. Ajustarse a un número exacto, para un correo o un límite de subida, es un trabajo distinto.
Herramientas relacionadas
OCR PDFAñade una capa de texto buscable a un PDF escaneado en 15 idiomas. El texto pasa a ser seleccionable, y las páginas torcidas o de lado se enderezan salvo que lo desactives. Se ejecuta en nuestro servidor; los archivos se borran automáticamente en unas dos horas.
PDF a MarkdownConvierte un PDF en un .md limpio con títulos, listas, énfasis y enlaces que funcionan, listo para tu app de notas o repositorio.
PDF a WordConvierte un PDF en un archivo editable DOCX, DOC, ODT o RTF, con OCR para escaneos que no tienen ninguna capa de texto. Se ejecuta en nuestro servidor; los archivos se borran automáticamente en unas dos horas.
Contar palabrasCaracteres, palabras, oraciones, párrafos y tiempo de lectura que se actualizan mientras escribes, con los límites de una publicación, un SMS y una meta descripción delante de ti.
Visor de PDFLee cualquier PDF en esta pestaña: busca en el texto, salta con miniaturas o por el esquema, acerca, aleja, gira e imprime, mientras el archivo se queda en tu dispositivo.