Extrair texto de PDF: passo a passo com o PDF to Text
Muitas vezes você não precisa do PDF inteiro, só das palavras dele: a cláusula de um contrato para colar num e-mail, um trecho da apostila para montar o resumo da prova, a descrição de uma nota fiscal para lançar na planilha. O PDF to Text cuida dessa parte: pega o texto que já está dentro do arquivo e devolve tudo como texto simples.
O que o PDF to Text consegue ler
Quase todo PDF gerado no computador tem uma camada de texto. É o texto que você consegue selecionar com o mouse: o que foi digitado e exportado de um editor de texto, a página salva a partir do navegador, ou o texto que o próprio scanner reconheceu na hora de digitalizar. É essa camada que o PDF to Text lê.
Ele não faz OCR e não lê palavras que aparecem dentro de fotos ou de páginas escaneadas como imagem. Se o seu arquivo é uma digitalização sem camada de texto, não há o que extrair.
O arquivo é processado no próprio navegador e não é enviado aos servidores do app.zone.
Passo a passo para extrair o texto
- Arraste o PDF para a área Solte seu PDF aqui ou toque em Adicionar PDF. Abre um PDF por vez; se você soltar vários de uma vez, só o primeiro é aberto.
- Acompanhe a leitura. As páginas vão aparecendo uma a uma, cada uma sob um pequeno título como Página 1, e a linha de progresso indica algo como Página 4 / 12.
- Precisa interromper? Toque em Parar. Para retomar de onde parou, toque em Continuar.
- Quando todas as páginas tiverem sido lidas, escolha Copiar tudo ou Baixar TXT.
Acima do texto fica uma linha de contexto com o nome do arquivo, o número de páginas e o número de caracteres. São caracteres, não palavras. Para abrir outro documento, use Trocar PDF.
Copiar ou salvar como TXT
Copiar tudo só fica ativo depois que a última página foi lida. Ele copia todas as páginas, deixando uma linha em branco entre uma e outra. Se você quer apenas uma página, use o pequeno botão de copiar que fica no título dela.
Baixar TXT salva um arquivo de texto simples com o mesmo nome do PDF. No iPhone e no iPad, o botão aparece como Salvar ou compartilhar.
Como o texto chega até você
O resultado é texto puro, sem fontes, cores ou layout. Cada linha da página vira uma linha de texto, e a palavra quebrada com hífen no fim da linha mantém o hífen. Cabeçalho e rodapé continuam no texto. Uma tabela vira uma linha por fileira, com as células separadas por espaços. Páginas claramente diagramadas em duas colunas são lidas coluna por coluna.
Quando o texto não aparece
- Um PDF que pede senha para abrir não pode ser aberto.
- Páginas sem texto selecionável são citadas numa nota no topo (por exemplo, “páginas 3–5”). Cada uma diz o motivo: é uma imagem, talvez digitalizada; tem só desenhos ou texto convertido em formas; ou está em branco.
- Se nenhuma página tiver texto, aparece Nenhum texto selecionável encontrado neste PDF, e Copiar tudo e Baixar TXT ficam desativados.
- Se o autor bloqueou a cópia, você vê Este PDF não permite copiar o texto com a explicação. O texto não é mostrado nem salvo, e o arquivo continua igual.