PDF para texto

Envie o PDF ou informe o URL de um PDF acessível publicamente e clique em Extrair texto. A ferramenta lê a camada de texto de cada página e a exibe sob um título por página, junto com o intervalo de páginas, a contagem de caracteres e o título do documento, se houver.

Sim. Informe um endereço absoluto http ou https e deixe o campo de envio vazio, ou envie um arquivo e deixe o URL vazio, mas não faça as duas coisas. O download é limitado a 10 MiB e segue redirecionamentos; por segurança, endereços em redes privadas, locais ou internas são recusados.

Uma execução lê até 50 páginas, sendo 20 por padrão, a partir da primeira página que você escolher. Para ler um documento mais longo, execute a ferramenta novamente a partir de uma página posterior, por exemplo, 51 para a parte seguinte.

Ele limita o texto extraído a um valor entre 1,000 e 200,000 caracteres, com 100,000 por padrão. Ao atingir o limite, o texto é interrompido no meio da página, e o resultado informa que foi cortado. Assim, você pode aumentar o limite ou continuar a partir de uma página posterior.

Uma página sem camada de texto, como uma página digitalizada ou uma foto salva como PDF, contém apenas uma imagem das palavras. A ferramenta lê texto, mas não realiza OCR; por isso, essas páginas são marcadas como sem texto.

Ela preserva a ordem e as quebras de linha registradas pelo PDF, remove espaços no início e no fim de cada linha e reduz sequências de espaços a um só. Colunas, tabelas e posições exatas não são reproduzidas; portanto, o texto em várias colunas pode aparecer na ordem em que o PDF o armazena.

Arquivos que apenas restringem a impressão ou a cópia são abertos sem senha e funcionam normalmente. Arquivos que exigem senha para abrir são recusados com uma mensagem; primeiro remova a senha com uma ferramenta de desbloqueio de PDF e envie a cópia desbloqueada.

Os envios e downloads podem ter até 10 MiB. Arquivos maiores são recusados antes do processamento; portanto, primeiro divida ou comprima o documento grande e extraia as partes uma após a outra.

Sim. Quando o PDF armazena um título nas informações do documento, ele aparece acima das páginas. Muitos PDFs gerados não têm título ou usam um título genérico, como o nome do programa que os criou; nesse caso, nada é exibido.

Não. O arquivo é processado em memória para esta solicitação e descartado junto com o resultado; nada sobre seu conteúdo é registrado. O texto extraído aparece apenas no seu navegador.