PDF a texto

Suba el PDF o introduzca la URL de un PDF de acceso público y, después, haga clic en Extraer texto. La herramienta lee la capa de texto de cada página y la muestra bajo un encabezado por página, junto con el intervalo de páginas, el recuento de caracteres y el título del documento, si el archivo lo tiene.

Sí. Introduzca una dirección absoluta http o https y deje vacío el campo de carga, o suba un archivo y deje vacía la URL, pero no haga ambas cosas. La descarga está limitada a 10 MiB y sigue las redirecciones; por seguridad, se rechazan las direcciones de redes privadas, locales o internas.

Una ejecución lee hasta 50 páginas, 20 de forma predeterminada, empezando por la primera página que elija. Para leer un documento más largo, vuelva a ejecutar la herramienta desde una página posterior; por ejemplo, desde la 51 para obtener la siguiente parte.

Limita el texto extraído a entre 1,000 y 200,000 caracteres; 100,000 de forma predeterminada. Al alcanzar el límite, el texto se corta a mitad de esa página y el resultado indica que se ha truncado, para que pueda aumentar el límite o continuar desde una página posterior.

Una página sin capa de texto, como una página escaneada o una foto guardada como PDF, solo contiene una imagen de las palabras. La herramienta lee texto, pero no realiza OCR, así que esas páginas se marcan como páginas sin texto.

Conserva el orden y los saltos de línea registrados en el PDF, recorta cada línea y reduce las secuencias de espacios a uno solo. No reproduce las columnas, las tablas ni las posiciones exactas, por lo que el texto de un diseño con varias columnas puede aparecer en el orden en que el PDF lo almacena.

Los archivos que solo restringen la impresión o la copia se abren sin contraseña y funcionan con normalidad. Los archivos que requieren una contraseña para abrirse se rechazan con un mensaje; primero quite la contraseña con una herramienta para desbloquear PDF y suba la copia desbloqueada.

Las cargas y descargas pueden tener hasta 10 MiB. Los archivos más grandes se rechazan antes de procesarlos, así que primero divida o comprima los documentos grandes y extraiga sus partes una por una.

Sí. Si el PDF guarda un título en la información del documento, este aparece encima de las páginas. Muchos PDF generados no tienen título o incluyen uno genérico, como el nombre del programa que los creó; en esos casos, no se muestra nada.

No. El archivo se procesa en memoria para esta solicitud y se descarta junto con el resultado; no se registra nada sobre su contenido. El texto extraído solo aparece en su navegador.