PDF a texto

Lo más probable es que el PDF sea un escaneo o una foto, que no tiene capa de texto que extraer. Pásalo antes por OCR PDF; esa herramienta añade una capa de texto y también ofrece una descarga .txt directamente.

El texto se lee de izquierda a derecha y de arriba abajo, siguiendo la estructura interna del PDF, lo cual es correcto para la mayoría de los documentos de una sola columna. Los diseños de varias columnas, las barras laterales y las tablas pueden salir entremezclados, y los encabezados, los pies y los números de página se incluyen con todo lo demás de la página.

No. El resultado es texto plano en UTF-8, así que se conservan los caracteres acentuados, el cirílico, el CJK y el árabe, pero no la negrita, los encabezados, los enlaces ni las imágenes, y los saltos de línea siguen las líneas del PDF y no los párrafos. Para conservar encabezados y listas como Markdown, usa PDF a Markdown.

Sí. Añade tantos PDF como quieras y haz clic en Extraer una vez; cada uno se convierte en su propio archivo .txt con el nombre del origen, y se descargan juntos como pdf-to-text.zip. Un solo PDF se descarga directamente como filename.txt.

Las páginas se siguen una a otra con un salto de línea entre ellas. No hay marcadores de página ni saltos de página, así que el archivo se lee como un flujo continuo de texto.

No, esta herramienta siempre extrae todas las páginas. Saca primero las páginas que necesitas a un PDF aparte con Extraer páginas y luego convierte ese archivo.

Si un PDF pide contraseña al abrirlo, la herramienta te la pide antes de extraer. Sin la contraseña, el texto no se puede leer.

No. La extracción se ejecuta en un motor de PDF cargado en tu navegador como WebAssembly, así que los contratos, los historiales médicos y todo lo demás se quedan en tu dispositivo de principio a fin.