PDF a texto
Extrae texto embebido de un PDF y lo entrega en un TXT. Permite reutilizar palabras de un documento con texto seleccionable; un escaneo que solo contiene imágenes necesita OCR, capacidad que esta utilidad no incluye.
Tu archivo se procesa en tu navegador y no se guarda en CARCPI.
Cómo usarla
- 1Abre el original y comprueba si puedes seleccionar algunas palabras como indicio de texto embebido.
- 2Carga un PDF de hasta 50 MB y ejecuta Extraer texto.
- 3Descarga el TXT; las páginas se recorren en orden y sus bloques de texto se unen.
- 4Contrasta nombres, cantidades, columnas y tablas con el PDF antes de reutilizar la extracción.
Cuándo usar esta herramienta
- Recuperar un borrador de un documento con texto.
- Preparar material para una revisión o resumen.
- Copiar párrafos de un PDF sin trasladar su diseño visual.
Cómo elegir y comprobar el resultado
Texto embebido o escaneo
Un PDF puede tener fotos de páginas, texto real o ambas cosas. Un escaneo con una capa OCR previa puede aportar texto; una imagen sin esa capa no. Si no se encuentra texto extraíble, se muestra un aviso.
Orden y estructura
La extracción usa los elementos de texto que devuelve PDF.js y los une con espacios, separando páginas. No reconstruye automáticamente columnas, filas, encabezados o párrafos según el diseño visual.
Ejemplo: carta digital frente a una carta escaneada
Una carta exportada desde un editor puede producir sus palabras en TXT. La misma carta fotografiada y guardada como PDF, sin capa de texto, puede producir una extracción vacía.
Con una tabla de importes, coteja cada número con su etiqueta. Que aparezcan todos los caracteres no significa que el orden mantenga la relación entre filas y columnas.
Qué debes tener en cuenta
- No incluye reconocimiento óptico ni transcripción de imágenes.
- El TXT no conserva tipografía, imágenes o diseño del PDF.
- Archivos cifrados, fuentes o codificaciones especiales pueden impedir o alterar la extracción.
Privacidad y procesamiento
PDF.js lee los bytes del documento en el navegador y genera el TXT localmente. No se envían sus páginas a un proveedor OCR para reconocer texto.
FAQ
¿Funciona con PDFs escaneados?
Solo si ya contienen una capa de texto extraíble. No reconoce las letras de una imagen por OCR.
¿Se mantiene el orden de lectura de dos columnas?
No se garantiza: se unen elementos del PDF. Revisa la secuencia frente al diseño original.
¿Qué pasa con las tablas?
Pueden aparecer sus textos y cifras sin la estructura de celdas. Comprueba su correspondencia antes de copiarlos a otra herramienta.