PDF para texto
Salve as palavras de um PDF em um arquivo de texto simples, pronto para colar em um e-mail, pesquisar, contar ou traduzir. Fontes, layout e imagens ficam de fora; o texto segue a página de cima para baixo.
Adicione um arquivo PDF para converter em texto.
ou solte o arquivo aqui
Seu PDF é processado nesta aba do navegador e nunca é enviado.
Como usar
- Adicione o PDF: clique em “Escolher arquivo” ou arraste o arquivo para a página.
- Para extrair só uma parte do documento, escolha “Intervalo de páginas” em “Páginas a converter” e liste páginas como 2, 5-7.
- Se houver páginas digitalizadas, marque os idiomas do documento em “Reconhecimento de texto para páginas digitalizadas”. As páginas que já contêm texto são lidas diretamente.
- Clique em “Converter para texto”. Depois, “Baixar” salva o arquivo .txt com o nome do PDF.
- Abra o arquivo em qualquer editor de texto ou cole o conteúdo onde precisar.
O que faz
Parágrafos, não linhas quebradas
Linhas próximas e do mesmo tamanho são unidas em um único parágrafo, palavras divididas com hífen no fim da linha são recompostas e os parágrafos ficam separados por uma linha em branco. Um marcador ou um item numerado inicia um parágrafo próprio.
Tabelas como linhas com tabulação
Cada linha de uma tabela vira uma linha de texto com uma tabulação entre as células. Cole em uma planilha, e cada pedaço cai na sua própria célula.
Marcadores de página
Quando você converte mais de uma página, cada uma começa com uma linha de marcação (— Página 3 —, por exemplo) que traz o número da página no PDF, para que uma citação possa ser rastreada até a página de origem. Uma página sozinha não recebe marcador.
Digitalizações lidas com OCR
Uma página sem camada de texto é lida por OCR (reconhecimento de texto). Os idiomas disponíveis são inglês, coreano, japonês, alemão, francês, espanhol e português, e você marca os do documento. A ferramenta informa quantas páginas foram lidas assim, porque essas são as que pedem revisão.
UTF-8 que abre direito
O arquivo é UTF-8 e começa com uma marca de ordem de bytes (BOM), que permite a programas mais antigos do Windows reconhecer de imediato letras acentuadas, coreano e japonês. Se outro programa perguntar pela codificação, escolha UTF-8.
Nada sai do seu aparelho
Contratos, cartas e registros são lidos no navegador. O PDF não é enviado nem alterado.
Bom saber
Texto simples é o formato mais básico que existe: todo programa de todo aparelho o abre. As pessoas tiram as palavras de um PDF para citar um trecho em um e-mail, fazer uma tradução, contar palavras para respeitar um limite, comparar duas versões de um contrato, montar um arquivo pesquisável ou entregar o conteúdo a um programa que não lê PDF.
O que sai depende de como o PDF foi feito. Um arquivo exportado de um editor de texto tem uma camada de texto limpa. Um PDF impresso a partir de uma página da web ou de um sistema antigo pode ter fontes sem mapa de volta para as letras de verdade, e então a saída mostra símbolos estranhos; a ferramenta OCR de PDF consegue ler uma página assim a partir da imagem.
Páginas em colunas lado a lado são lidas de ponta a ponta, então as duas colunas podem sair emparelhadas na mesma linha, separadas por uma tabulação. Títulos, negrito, itálico, fontes e imagens não são registrados; um título é só mais uma linha. A ferramenta PDF para Word mantém títulos e tabelas como texto editável, e a OCR de PDF mostra o texto ao lado de cada página, para você corrigi-lo e salvá-lo.
Perguntas frequentes
Posso copiar o texto sem salvar um arquivo?
Esta ferramenta salva um arquivo .txt em vez de mostrar o texto na página. A ferramenta OCR de PDF mostra cada página ao lado do seu texto, com um botão que copia tudo.
Por que o texto tem símbolos estranhos?
A fonte do PDF não tem um mapa utilizável das formas de volta para as letras, o que é comum em arquivos impressos em PDF a partir de um navegador. Abra o PDF na ferramenta OCR de PDF e peça que ela reconheça a página mesmo assim; ela passa a ler a imagem, e não a camada de texto com defeito.
Por que as minhas páginas de duas colunas saem misturadas?
As linhas são lidas de ponta a ponta da página, então um texto em colunas lado a lado sai com os pedaços da esquerda e da direita na mesma linha, separados por uma tabulação. Coladas em uma planilha, as duas colunas caem em células separadas, e você pode copiar uma depois da outra.
Ele consegue ler um PDF digitalizado?
Sim, depois de marcar o idioma do documento em “Reconhecimento de texto para páginas digitalizadas”. Alguns caracteres podem ser lidos errado, então dê uma conferida rápida em nomes e números.
Qual codificação o arquivo usa?
UTF-8, com uma marca de ordem de bytes logo no começo, que o Bloco de Notas do Windows sabe interpretar. Se outro programa mostrar caracteres estranhos, reabra o arquivo e escolha UTF-8.
Títulos, negrito e imagens são mantidos?
Não. O arquivo guarda só texto, e um título aparece como uma linha comum. A ferramenta PDF para Word mantém títulos e tabelas como texto editável, e a PDF para JPG salva as páginas como imagens.