PDF a texto
Saca las palabras de un PDF, en el orden en que se leen.
Suelta los archivos aquí
O pégalos, o elígelos desde este dispositivo. No se sube nada: el trabajo ocurre en esta pestaña.
Archivos en esta pestaña
Todavía no hay nada cargado.
Opciones
De qué páginas sacar el texto.
Las palabras, página a página.
Avanzado
Extraer el texto
Añade un archivo para empezar.
Qué hace esto
Esto saca las palabras de un PDF en el orden en que las lee una persona, que no es el orden en que las dibuja el archivo. La página se corta por los huecos que no tienen texto, empezando por el más grande, así que un titular que abarca dos columnas va antes que ambas y una página a dos columnas no se lee de lado a lado. Puedes obtenerlo como texto plano, o como JSON que dice en qué parte de la página estaba cada fragmento.
Lo que no hará
Cada herramienta de aquí dice lo que no puede hacer, con sus propias palabras, antes de que confíes en ella.
- Una página escaneada contiene una imagen de palabras, no palabras. Pásale antes el OCR y esto leerá la capa que el OCR añade.
- El orden de lectura se deduce de dónde está el texto en la página. Es correcto con columnas, títulos y tablas, y puede equivocarse en una página maquetada como un cartel.
- Las columnas se reconocen a partir de tres líneas o más. Dos columnas cortas una al lado de otra se leen a lo ancho, como una tabla.
- El texto dibujado de lado —una marca de agua girada, un encabezado de tabla vertical— se mantiene entero y se lee después del texto derecho, en vez de mezclarse con una línea que cruza.
Preguntas que hace la gente
No ha salido nada. ¿Qué ha fallado?
Casi con seguridad la página es un escaneo: una imagen de palabras, no palabras. Pásala primero por Hacer buscable un escaneo y esto leerá la capa de texto que añade.
¿Respeta el orden de columnas y tablas?
Las columnas sí: se detectan por la geometría y se leen de una en una. Las tablas se leen fila a fila. Una página maquetada como un cartel, con texto en ángulo o en bloques dispersos, no tiene un orden de lectura que encontrar, y se notará.
¿Se sube mi archivo a alguna parte?
No. El trabajo ocurre en esta pestaña del navegador, en tu propia máquina. En este producto no hay ningún servidor al que enviar un archivo, y por eso la promesa se puede comprobar en vez de tener que creerla: abre el panel de red de tu navegador y míralo trabajar sin hacer una sola petición.
¿Hay un límite de tamaño, o de cuántos archivos?
Ninguno que impongamos nosotros. El límite es la memoria de tu propia máquina, porque ahí es donde ocurre el trabajo: unos cientos de megabytes van cómodos en un portátil, y menos en un móvil. No hay contador diario de tareas, ni cola, ni cuenta.
¿Cuánto cuesta y dónde está la trampa?
Nada, y no hay plan de pago que desbloquee funciones: todo el producto es el gratuito. Eso es asumible porque mantenerlo no nos cuesta nada —el trabajo lo hace tu ordenador—, así que no hay coste por archivo que recuperar, ni publicidad, ni datos que vender.