Funciona neste aparelho

PDF para texto

Tire as palavras de um PDF como arquivo de texto puro — juntadas em parágrafos para ler, ou linha a linha para dados.

    Como extrair o texto de um PDF

    1. Escolha seu PDF. A leitura começa na hora — não há nada para apertar.
    2. Escolha se as linhas quebradas devem ser juntadas em parágrafos ou mantidas como caem.
    3. Salve o .txt e abra onde quiser — é texto puro em UTF-8.

    Duas tarefas diferentes com o mesmo nome

    Atrás de "tirar o texto" escondem-se duas tarefas que pedem tratamentos opostos. Se você vai ler o resultado, ou colar em algum lugar, quer que as linhas que a página quebrou voltem a formar frases. Se está tirando uma tabela ou uma lista de códigos, essas quebras *são* a estrutura, e juntá-las destrói isso.

    Por isso as duas são oferecidas, em vez de adivinhadas. A junção usa o espaçamento entre as linhas para decidir onde um parágrafo realmente termina, e recompõe palavras separadas por hífen no fim da linha. Manter as linhas devolve a página exatamente como foi diagramada, linha a linha.

    O texto vem da própria camada de texto do PDF, então são as palavras que o documento realmente contém, não um palpite a partir de uma imagem. Isso também significa que um PDF digitalizado não tem texto para extrair — ele tem fotografias de texto. A ferramenta avisa, em vez de entregar um arquivo vazio.

    A saída é UTF-8 puro, que qualquer editor, planilha ou script lê sem cerimônia. A formatação não sobrevive, por definição: se você quer títulos e negrito, use PDF para Word.

    Perguntas sobre extrair texto

    Por que meu arquivo está vazio?

    Porque o PDF é uma digitalização: contém imagens de páginas em vez de texto. Ler essas palavras exige OCR, e fazer OCR on-line significa enviar seu documento. A ferramenta avisa, em vez de entregar um arquivo em branco.

    Junto as linhas ou mantenho?

    Junte para tudo que for ler ou colar como texto corrido — relatórios, cartas, artigos. Mantenha para tabelas, código, endereços ou listas, onde as quebras carregam um sentido que juntar destruiria.

    A formatação vem junto?

    Não, e é isso que texto puro quer dizer. Negrito, títulos, colunas e tabelas achatam-se em palavras. Se você precisa da formatação, PDF para Word mantém parágrafos, títulos e estilos de caractere.

    Por que uma página em colunas sai embaralhada?

    Um PDF não registra que algo era uma coluna, então o texto é lido na ordem em que foi colocado no arquivo, o que num layout de duas colunas costuma significar atravessar de uma para a outra. Manter as linhas em vez de juntá-las costuma facilitar organizar à mão.

    Meu documento é enviado?

    Não. Seu navegador lê o PDF e escreve o .txt no seu aparelho. Nada vai a lugar nenhum.

    Outras ferramentas PDF