GALAXY OF TOOLS

English

Setor PDF

PDF para texto

Extraia o texto de qualquer PDF com linhas e parágrafos intactos: copie ou salve como arquivo .txt.

Solte um PDF aqui ou clique para escolher O texto é extraído no navegador · nada é enviado
Opções

Esta ferramenta funciona inteiramente no seu navegador. Nada do que você digita ou envia vai para um servidor.

Grátis para todos. Se esta ferramenta poupou seu tempo, pague um café para a gente.

Extraia o texto de um PDF, de forma limpa e privada

O conversor PDF para texto tira as palavras de um PDF e as entrega como texto simples e editável. As linhas são reconstruídas a partir da posição de cada trecho de texto na página, então as palavras ficam bem espaçadas, os parágrafos continuam separados e as colunas das tabelas não se misturam.

Use para citar um relatório, reaproveitar o conteúdo de um folheto antigo, colar a cláusula de um contrato em um e-mail, passar um documento para uma ferramenta de tradução ou contar as palavras de um PDF. Quando terminar, copie o texto com um clique ou salve como arquivo .txt.

Todo o processamento acontece no seu navegador, com o mecanismo de PDF de código aberto usado pelo Firefox. O documento nunca é enviado, o que o torna seguro para holerites, papéis jurídicos e tudo que você prefere manter só para você.

Como extrair texto de um PDF

  1. Solte um PDF na área de envio ou clique nela para escolher um. O texto de todas as páginas é extraído na hora.
  2. Para obter só uma parte do documento, digite páginas ou intervalos em “Páginas”, por exemplo 3-7, 12.
  3. Mantenha marcado “Adicionar separadores de página” para ver onde cada página começa e marque “Juntar linhas em parágrafos” se quiser texto corrido, sem quebras de linha.
  4. Leia ou edite o resultado na caixa de texto; as contagens de palavras e caracteres se atualizam enquanto você edita.
  5. Clique em “Copiar texto” para colar onde quiser ou em “Baixar .txt” para salvar.

Recursos: PDF para texto

Reconstrução inteligente de linhas

Trechos de texto na mesma linha de base são unidos em uma só linha, os espaços entre palavras viram espaços e os espaços largos (como colunas de tabela) viram tabulações, que colam direitinho em uma planilha.

Detecção de parágrafos

Um espaço entre linhas maior que o normal é tratado como novo parágrafo e mostrado como uma linha em branco.

Modo de texto corrido

“Juntar linhas em parágrafos” remove as quebras de linha fixas do layout do PDF e reúne as palavras separadas por hífen entre linhas, então o texto cola bem no Word ou no Google Docs.

Intervalos de páginas e separadores

Extraia uma única página ou uma mistura de intervalos, com marcadores opcionais “--- Page N ---”.

Detecção de páginas escaneadas

Páginas sem camada de texto são listadas, com um atalho direto para o OCR, para que você nunca fique com um resultado misteriosamente vazio.

Qualquer idioma

Há suporte a texto Unicode em qualquer escrita, incluindo hindi, árabe, chinês e japonês, desde que o PDF guarde texto de verdade.

Por que alguns PDFs não têm texto para extrair

Um PDF criado no Word, no Google Docs, em um navegador ou em um programa de contabilidade guarda caracteres de verdade, então seu texto pode ser extraído com exatidão. Um PDF gerado por um scanner ou pela câmera do celular costuma conter apenas imagens das páginas. Para o computador, são fotos, e não há letras para copiar.

Para esses arquivos você precisa de OCR (reconhecimento óptico de caracteres). Converta as páginas em imagens de alta resolução com o PDF to JPG a 300 DPI e passe-as pelo Image to Text. Alguns scanners adicionam automaticamente uma camada de texto OCR invisível; se o seu fez isso, esta ferramenta vai extraí-la.

Como obter o resultado mais limpo

  • Layouts de várias colunas, como jornais e artigos acadêmicos, são extraídos na ordem em que o texto foi gravado no arquivo, em geral coluna por coluna.
  • Tabelas saem com uma linha por linha de texto e tabulações entre as células. Cole-as em uma planilha para recuperar as colunas.
  • Cabeçalhos, rodapés e números de página também são extraídos. Desative os separadores de página e use o Find and Replace para remover rapidamente linhas repetidas.
  • Símbolos estranhos no lugar de letras indicam que o PDF usa uma fonte sem mapa de caracteres adequado. O texto não pode ser decodificado com segurança: use OCR em uma imagem da página.
  • Para conferir o tamanho do resultado em relação a um limite, cole-o no Word Counter.

PDF para texto: perguntas frequentes

Como extrair texto de um PDF de graça?

Envie o PDF acima. O texto aparece na hora na caixa; clique em “Copiar texto” ou “Baixar .txt”. Não há cadastro, marca d’água nem limite de páginas.

Por que o resultado está vazio?

O PDF contém imagens escaneadas, não texto. A ferramenta informa quais páginas não têm camada de texto. Use o PDF para JPG e depois o Image to Text (OCR) para lê-las.

O PDF para texto mantém a formatação?

O texto simples não tem fontes, negrito nem imagens, mas as quebras de linha, os espaços entre parágrafos e as colunas das tabelas (como tabulações) são preservados. Ative “Juntar linhas em parágrafos” para obter texto corrido.

Posso extrair o texto de apenas uma página?

Sim. Digite o número da página em “Páginas”. Você também pode usar intervalos como 2-4 ou 10- (da página 10 até o fim).

Meu PDF é enviado para algum lugar?

Não. O arquivo é lido por JavaScript no seu navegador e nunca sai do seu dispositivo.

Ele extrai texto de um PDF protegido por senha?

Não, se o PDF precisa de senha para abrir. Abra-o com a senha em um leitor de PDF, salve uma cópia sem proteção e envie essa.

Estas também podem ajudar