Copie o texto de dentro de um PDF
Citações de um relatório, uma cláusula de contrato para um e-mail, uma tabela que precisa chegar a uma planilha: selecionar texto num leitor de PDF costuma arrastar quebras de linha estranhas e números de página. Esta página lê o texto guardado no PDF, página por página, e o coloca numa caixa que você pode copiar ou salvar como arquivo .txt. O PDF é lido no seu navegador e nunca é enviado.
Extraia texto de um PDF em cinco passos
- Solte o PDF na área de soltar ou clique nela para escolher o arquivo. No primeiro uso, o leitor de páginas é carregado, cerca de meio megabyte.
- Digite as páginas que quer, por exemplo
1-3, 7, ou deixe o campo vazio para ler todas as páginas. - Escolha como as linhas são tratadas: mantê-las como estão no PDF ou juntá-las em parágrafos para texto corrido. Ative os marcadores de página se precisar ver onde cada página começa.
- Clique em Extrair texto. Uma linha de progresso mostra a página que está sendo lida, e Cancelar interrompe a execução.
- Copie o texto ou baixe-o como arquivo .txt. Mudar a opção de linhas ou os marcadores atualiza o resultado na hora, sem ler o PDF de novo.
Digitalizações e o que a ferramenta não consegue ler
A ferramenta lê o texto guardado no PDF. Uma página digitalizada é só uma imagem, então não rende nada, e o resultado diz quantas páginas não tinham texto. O reconhecimento de caracteres (OCR) exige modelos grandes, o que acabaria com o tamanho pequeno deste site, então passe uma digitalização por um programa de OCR antes. PDFs feitos a partir do Word, de uma página web ou de uma exportação de um aplicativo costumam ter texto de verdade.
Ordem de leitura, colunas e tabelas
Um PDF guarda fragmentos de texto posicionados, não parágrafos. A ferramenta junta fragmentos na mesma linha de base, acrescenta um espaço onde o intervalo é largo o bastante e transforma um intervalo vertical maior numa linha em branco. Colunas, tabelas, cabeçalhos, rodapés e notas de rodapé podem sair numa ordem diferente da que aparece na página. Um hífen no fim de uma linha fica onde está.
Limites de tamanho e para onde vai o arquivo
Um PDF pode ter até 100 MB. Um PDF criptografado pede a sua senha, que é usada apenas na memória. O leitor de páginas é o pdf.js, servido por este site, e nenhuma requisição leva o conteúdo do seu documento.