Convertir PDF a TXT
Guarde las palabras de un PDF en un archivo .txt que cualquier editor, script o buscador puede abrir. Que el texto salga perfecto depende de una sola cosa dentro del PDF: si tiene una capa de texto real o solo imágenes de las páginas.
Convertidor de PDF
o suelte aquí archivos PDF ·
Máx. 95 MB por archivo· Hasta 20 archivos· Se borran a los 30 minutos
Los archivos se procesan en nuestros servidores y se borran a los 30 minutos.
Los PDF escaneados son imágenes de páginas. Automático aplica OCR solo a las páginas sin capa de texto; Siempre lo fuerza en todas las páginas.
El idioma impreso en el escaneo. Elegir el correcto mejora notablemente la precisión con acentos y alfabetos no latinos.
Texto fluido se reorganiza en párrafos normales fáciles de editar. Diseño exacto coloca cada bloque donde estaba: se ve idéntico, pero cuesta más editarlo.
Dónde se colocan las tablas detectadas en el libro.
Números de página o rangos separados por comas, por ejemplo 1-3, 5, 8-10.
Cómo usar esta herramienta
- 1
Agregue sus archivos PDF
Elija un PDF o hasta 20 a la vez, de hasta 95 MB cada uno. Los documentos mecanografiados, exportados y escaneados pueden ir en el mismo lote.
- 2
Revise los ajustes para escaneos
Convertir a ya está en Texto sin formato. Si el documento es un escaneo en un idioma distinto del inglés, abra Opciones avanzadas y elíjalo en Idioma del documento.
- 3
Convierta y guarde
Pulse Convertir a Texto sin formato y descargue cada archivo .txt, o todos juntos en un ZIP.
Si puede seleccionar una sola palabra en su visor de PDF, el texto ya está dentro del archivo y la copia TXT es exacta; si toda la página se resalta como una foto, primero tiene que leerla el OCR.
Convertir PDF a texto: capa de texto o página escaneada
Un PDF exportado desde Word, Google Docs o un navegador guarda los caracteres con su posición, así que sacarlos consiste en leerlos en un orden lógico. Un PDF de un escáner o de la cámara del teléfono solo guarda una imagen de cada página, y su texto hay que reconocerlo. Muchos PDF de oficina mezclan ambos: una carta mecanografiada con una página de firma escaneada al final.
Reconocimiento de texto (OCR) decide cómo se trata cada página. Los tres ajustes de abajo se comportan distinto con esos tipos de archivo, y Automático es el adecuado para la mayoría.
Las páginas que ya tienen capa de texto se copian tal cual; las que no la tienen se reconocen en el Idioma del documento que eligió.
- Lo mejor para archivos mixtos
- Sin pérdida de precisión en páginas digitales
Cada página se reconoce a partir de su imagen, aunque tenga texto. Úselo cuando la capa de texto existente esté dañada o llena de símbolos de relleno.
- Corrige PDF con fuentes sin mapa Unicode
- Más lento en archivos largos
Solo se lee la capa de texto existente. Las páginas escaneadas salen vacías, lo que sirve para saber qué páginas eran escaneos.
- El más rápido
- Solo para PDF digitales
Caracteres ilegibles al convertir un PDF a texto
Dentro de un PDF, el texto es una lista de códigos de glifo de una fuente concreta, no letras. Un archivo bien hecho incluye un mapa ToUnicode que indica qué código corresponde a qué carácter. Los archivos de algunos controladores de impresión antiguos y generadores de informes a medida omiten ese mapa, y por eso al copiar de ellos sale texto sin sentido aunque la página se vea perfecta. Forzar el OCR es la forma fiable de evitarlo, y PDF escaneado a texto explica a fondo los ajustes para escaneos.
El TXT en sí está en UTF-8, así que se conservan las letras con tilde, el cirílico, el árabe, el devanagari y los caracteres CJK. Las escrituras de derecha a izquierda se guardan en orden de lectura, que es lo que esperan los editores y los buscadores.
Saltos de línea, guiones, columnas y encabezados en el TXT
Saltos de línea
Un PDF conoce líneas, no párrafos. Las líneas se vuelven a unir donde el espaciado sugiere un párrafo, pero los poemas, las direcciones y los listados de código pueden necesitar una revisión manual.
Guiones de corte
Una palabra partida como "conver-" y "sión" al final de una línea normalmente se vuelve a unir. Un guion real que cae al final de una línea, como en "teórico-práctico", puede perderse, así que búsquelo si la redacción exacta importa.
Columnas
Las revistas a dos columnas se leen columna por columna. Los diseños recargados con recuadros o citas destacadas pueden colar un recuadro lateral entre dos párrafos.
Encabezados y pies de página
Los títulos de cabecera, los números de página y las líneas de confidencialidad se repiten en cada página y quedan entre páginas en el TXT. Un buscar y reemplazar sobre la línea repetida los elimina de una vez.
Portable Document Format
PDF fue creado por Adobe en 1993 y se convirtió en el estándar abierto ISO 32000 en 2008. Fija el texto, las fuentes, las imágenes y el diseño para que un documento se vea igual en cualquier pantalla e impresora. Los PDF pueden contener formularios, firmas, enlaces, archivos adjuntos y texto con búsqueda, y la variante PDF/A se usa para el archivo a largo plazo. El diseño fijo hace que los PDF sean difíciles de editar, y los PDF escaneados solo contienen imágenes a menos que se aplique OCR. Todos los navegadores y sistemas operativos pueden abrirlos.
- Compresión
- –
- Transparencia
- Sí
- Animación
- No
- Presentado en
- 1993 · Adobe
TXT
Texto plano
Un archivo TXT contiene solo caracteres simples, sin formato, fuentes, imágenes ni diseño. Los archivos de texto modernos suelen estar codificados en UTF-8, que abarca todos los idiomas, aunque los archivos antiguos pueden usar otras codificaciones y mostrar caracteres ilegibles. El texto plano ocupa muy poco, nunca queda obsoleto y se abre en cualquier dispositivo, desde teléfonos hasta servidores. No puede contener negritas, tablas ni imágenes, por lo que la estructura debe expresarse con espacios o con marcado sencillo.
- Compresión
- –
- Transparencia
- –
- Animación
- –
- Presentado en
- –
Un archivo .txt es el mínimo común denominador: flujos de datos, índices de búsqueda, herramientas de subtítulos y de traducción y el correo en texto plano lo aceptan, mientras que un PDF necesita un analizador antes de que algo pueda leer sus palabras.
Convertir PDF a texto gratis: archivos, pesos e idiomas
- PDF por lote
- 20
- por PDF
- 95 MB
- idiomas de OCR
- 34
- hasta que se borran los archivos
- 30 min
Preguntas sobre la conversión de PDF a TXT
¿Cómo convertir un PDF a TXT gratis sin instalar nada?
Suba el PDF en esta página y pulse Convertir a Texto sin formato. No hace falta cuenta ni instalar software; la conversión se hace en nuestros servidores y los archivos se borran 30 minutos después, como se explica en cómo funciona.
¿Por qué mi archivo TXT tiene símbolos como (cid:42) o cuadros en lugar de letras?
El PDF usa una fuente sin la tabla que relaciona sus glifos con caracteres Unicode, así que las formas se imprimen bien pero no llevan el significado de las letras. Ponga Reconocimiento de texto (OCR) en Siempre: el OCR lee las formas como imagen y normalmente recupera las palabras reales.
¿Puedo convertir a TXT solo algunas páginas de un PDF?
Sí. Cambie Páginas a convertir a Páginas seleccionadas y escriba un rango como 3-7, 12. Solo se leen esas páginas, lo que además acelera los archivos escaneados largos.
¿Por qué fi y fl se ven raros en el TXT después de convertir el PDF?
Muchas tipografías dibujan fi, fl y ffi como un solo glifo combinado llamado ligadura. La mayoría de los PDF lo vuelven a asignar a letras separadas, pero algunos lo asignan a un único carácter Unicode, como U+FB01, que se ve bien en pantalla pero impide encontrar las letras sueltas en una búsqueda. Un buscar y reemplazar en su editor lo soluciona.
¿El archivo TXT conserva los saltos de página del PDF?
Las páginas se suceden en un solo archivo, así que no obtiene un archivo por página. Si necesita un archivo de texto por página, convierta las páginas en tandas separadas con Páginas a convertir.
- Extraer texto de PDFExtraiga las palabras de cualquier PDF como archivo de texto UTF-8 limpio. Los escaneos se leen con OCR, el rango de páginas es opcional y solo queda el texto.
- Convertir PDF escaneado a textoExtraiga el texto de un PDF escaneado en el que no puede seleccionar ni buscar nada. El OCR lee cada imagen de página y devuelve texto sin formato.
- Convertir PDF a MarkdownConvierta un PDF en un archivo .md con títulos, listas, enlaces y tablas reconstruidos a partir del texto. OCR para escaneos. Para Obsidian, Notion y LLM.
- Convertir PDF a WordPase un PDF a un Word editable de verdad. El texto vuelve a fluir en párrafos y las páginas escaneadas pasan por OCR en 34 idiomas. Hasta 20 archivos.
- OCR para PDFAgregue una capa de texto buscable y seleccionable a PDF escaneados, o extraiga el texto a Word o TXT. 34 idiomas, rangos de páginas, 20 archivos, gratis.
- Convertir EPUB a TXTExtraiga el texto de un EPUB sin DRM a un .txt plano para buscar, contar palabras, texto a voz o análisis. Conserva los párrafos; quita marcado e imágenes.