PDF para Texto - Extraia o Texto de um PDF no Navegador
Extrator de texto de PDF
Deixe vazio para o documento inteiro, ou escreva 1-5, 8 para páginas específicas.
O arquivo é aberto e lido dentro desta página. Ele nunca é enviado, então depois não há nada guardado nem apagado em um servidor.
O que este extrator faz
Uma página de PDF é uma lista de instruções de desenho, e as palavras nela costumam ser objetos de texto de verdade, não uma imagem. Esta página lê esses objetos diretamente, então você recebe caracteres que dá para buscar, citar e editar, sem o arquivo sair do seu computador.
Como usar
- 1 Solte o PDF na caixa, ou clique nela e escolha o arquivo.
- 2 Defina o intervalo de páginas se precisar só de uma parte, e escolha se quer manter as quebras de linha.
- 3 Clique em Extrair, depois copie o resultado ou baixe como arquivo .txt.
Extrair não é o mesmo que OCR
Se o PDF saiu de um editor de texto ou de um sistema de faturamento, os caracteres já estão lá dentro e ler é exato. Se veio de um scanner ou da câmera do celular, a página é só uma fotografia e não há nada para ler; reconhecer aquelas letras é reconhecimento óptico de caracteres, um trabalho diferente e bem menos confiável. Esta ferramenta diz em qual caso você está em vez de devolver uma caixa vazia.
De onde vêm as quebras de linha
Um PDF não registra linhas nem parágrafos, só texto colocado em coordenadas. O leitor junta numa linha os pedaços que estão na mesma altura e começa outra quando a altura muda. Isso funciona bem em documentos comuns e de forma imperfeita em layouts de várias colunas, onde as duas colunas podem se entrelaçar.
Escolher páginas
O campo de intervalo aceita páginas soltas e faixas separadas por vírgulas. Repetições são descartadas e as páginas lidas em ordem, então escrever fora de sequência não atrapalha. Um número fora do intervalo é recusado em vez de ignorado em silêncio, porque uma página pulada sem aviso significa texto faltando que você nunca percebe.
1-5 → 1, 2, 3, 4, 5 2, 7, 9 → 2, 7, 9 1-3, 10 → 1, 2, 3, 10 (bos) → todas as páginas
Uma observação sobre formatação
A saída é texto puro, então negrito, títulos, tabelas e imagens não sobrevivem; uma tabela vira linhas de palavras sem as bordas das células. Se você precisa manter o layout, converter para um formato de documento é a ferramenta certa, e se quer só as páginas como imagens, as páginas PDF para JPG e PDF para PNG fazem isso.