Todas las herramientas › Desde PDF
PDF a texto
Extraiga el texto de un PDF como texto sin formato o Markdown. Los encabezados, pies y guiones de división se limpian solos, y los enlaces, correos y teléfonos se reúnen en listas.
Qué puede hacer la herramienta
- Tres tipos de resultado: párrafos (las líneas se unen), líneas como en el PDF y Markdown, donde los títulos se detectan por el tamaño de la fuente y las listas con viñetas se convierten en «- ».
- Los encabezados, pies y números de página que se repiten en cada página se eliminan automáticamente. Se puede desactivar.
- Las palabras partidas con guion se vuelven a unir: «docu-» y «mento» vuelven a ser «documento».
- El bloque «Encontrado en el texto» reúne enlaces (incluidos los ocultos bajo botones y palabras), correos, teléfonos, fechas e importes. Cada valor se copia con un clic.
- Puede elegir las páginas que necesite y copiar el resultado o descargarlo como TXT, MD o JSON dividido por páginas.
El texto se lee del propio archivo. Si el PDF es un escaneo o fotografías de páginas, no tiene capa de texto y aquí no se realiza el reconocimiento de texto (OCR).
El orden de las líneas se toma del archivo. En maquetaciones complejas con columnas y tablas puede diferir del orden que resulta natural a la vista.