Converter PDF para TXT
Salve as palavras de um PDF em um arquivo .txt que qualquer editor, script ou ferramenta de busca consegue abrir. Se o texto sai perfeito ou não depende de uma coisa dentro do seu PDF: se ele tem uma camada de texto de verdade ou só imagens das páginas.
Conversor de PDF
ou solte arquivos PDF aqui ·
Até 95 MB por arquivo· Até 20 arquivos· Apagados após 30 minutos
Os arquivos são processados em nossos servidores e apagados após 30 minutos.
PDFs digitalizados são fotos de páginas. Automático roda o OCR só nas páginas sem camada de texto; Sempre força o OCR em todas as páginas.
O idioma impresso na digitalização. Escolher o certo melhora bastante a precisão com acentos e alfabetos não latinos.
Texto corrido reorganiza o conteúdo em parágrafos normais, fáceis de editar. Layout exato coloca cada bloco onde estava, o que fica idêntico, mas é mais difícil de editar.
Onde as tabelas detectadas ficam na pasta de trabalho.
Números ou intervalos de páginas separados por vírgulas, por exemplo 1-3, 5, 8-10.
Como usar esta ferramenta
- 1
Adicione seus arquivos PDF
Escolha um PDF ou até 20 de uma vez, cada um com até 95 MB. Documentos digitais, exportados e escaneados podem ir no mesmo lote.
- 2
Confira as configurações de digitalização
Converter para já está definido como Texto simples. Se o documento for um escaneado em outro idioma que não o inglês, abra Configurações avançadas e escolha o idioma em Idioma do documento.
- 3
Converta e salve
Clique em Converter para Texto simples e baixe cada arquivo .txt, ou todos juntos em um ZIP.
Se você consegue selecionar uma única palavra no seu leitor de PDF, o texto já está dentro do arquivo e a cópia em TXT é exata; se a página inteira é destacada como uma foto, o OCR precisa lê-la primeiro.
Converter PDF em texto: camada de texto ou página escaneada
Um PDF exportado do Word, do Google Docs ou de um navegador guarda os caracteres com suas posições, então extraí-los significa lê-los em uma ordem coerente. Um PDF de scanner ou de câmera de celular guarda apenas uma imagem de cada página, e o texto precisa ser reconhecido. Muitos PDFs de escritório misturam os dois: uma carta digitada com uma página de assinatura escaneada no final.
Reconhecimento de texto (OCR) define como cada página é tratada. As três opções abaixo se comportam de modo diferente nesses tipos de arquivo, e Auto é a certa para a maioria.
Páginas que já têm camada de texto são copiadas como estão; páginas sem ela são reconhecidas no Idioma do documento que você escolheu.
- Ideal para arquivos mistos
- Sem perda de precisão em páginas digitais
Todas as páginas são reconhecidas a partir da imagem, mesmo que tenham texto. Use quando a camada de texto existente estiver quebrada ou cheia de símbolos no lugar das letras.
- Corrige PDFs com fontes sem mapeamento
- Mais lento em arquivos longos
Somente a camada de texto existente é lida. Páginas escaneadas saem vazias, o que é útil quando você quer saber quais páginas eram escaneadas.
- Mais rápido
- Somente PDFs digitais
Conversor de PDF para texto com caracteres embaralhados
Dentro de um PDF, o texto é uma lista de códigos de glifos de uma fonte específica, não letras. Um arquivo bem feito inclui um mapa ToUnicode que diz qual código significa qual caractere. Arquivos de alguns drivers de impressão antigos e geradores de relatórios personalizados deixam esse mapa de fora, e por isso copiar deles resulta em texto sem sentido, mesmo com a página perfeita. Forçar o OCR é o caminho confiável para contornar isso, e PDF escaneado para texto explica em detalhes as configurações para escaneados.
O TXT em si é UTF-8, então letras acentuadas e caracteres cirílicos, árabes, devanágari e CJK são preservados. Escritas da direita para a esquerda são guardadas na ordem de leitura, que é o que editores e mecanismos de busca esperam.
Quebras de linha, hifenização, colunas e cabeçalhos no TXT
Quebras de linha
Um PDF conhece linhas, não parágrafos. As linhas são reunidas onde o espaçamento sugere um parágrafo, mas poemas, endereços e listagens de código podem exigir uma conferência manual.
Hifenização
Uma palavra dividida como "conver-" e "são" no fim da linha geralmente é reunida. Um hífen verdadeiro que cai no fim da linha, como em "guarda-chuva", pode perdê-lo, então procure por ele se a redação exata importar.
Colunas
Revistas de duas colunas são lidas coluna por coluna. Layouts carregados, com caixas ou citações em destaque, podem colocar um texto lateral entre dois parágrafos.
Cabeçalhos e rodapés
Títulos correntes, números de página e avisos de confidencialidade se repetem em toda página e ficam entre as páginas no TXT. Localizar e substituir a linha repetida os remove de uma só vez.
Portable Document Format (PDF)
O PDF foi criado pela Adobe em 1993 e se tornou o padrão aberto ISO 32000 em 2008. Ele fixa texto, fontes, imagens e layout para que um documento fique igual em qualquer tela e impressora. PDFs podem conter formulários, assinaturas, links, anexos e texto pesquisável, e a variante PDF/A é usada para arquivamento de longo prazo. O layout fixo torna os PDFs difíceis de editar, e PDFs digitalizados contêm só imagens, a menos que se aplique OCR. Todo navegador e sistema operacional consegue abri-los.
- Compressão
- –
- Transparência
- Sim
- Animação
- Não
- Lançamento
- 1993 · Adobe
TXT
Texto simples
Um arquivo TXT contém apenas caracteres simples, sem formatação, fontes, imagens ou layout. Os arquivos de texto atuais costumam usar a codificação UTF-8, que cobre todos os idiomas, mas arquivos mais antigos podem usar outras codificações e exibir caracteres embaralhados. O texto simples é minúsculo, nunca fica obsoleto e abre em qualquer dispositivo, de celulares a servidores. Ele não comporta negrito, tabelas nem imagens, então a estrutura precisa ser expressa com espaçamento ou marcação simples.
- Compressão
- –
- Transparência
- –
- Animação
- –
- Lançamento
- –
Um arquivo .txt é o denominador comum: pipelines de dados, índices de busca, ferramentas de legenda e tradução e e-mail em texto simples o aceitam, enquanto um PDF precisa de um parser antes que alguém consiga ler suas palavras.
Converter PDF em texto grátis: arquivos, tamanhos e idiomas
- PDFs por lote
- 20
- por PDF
- 95 MB
- idiomas de OCR
- 34
- até os arquivos serem apagados
- 30 min
Perguntas sobre PDF para TXT
Como converter PDF em texto de graça sem instalar nada?
Envie o PDF nesta página e clique em Converter para Texto simples. Não precisa de conta nem de instalar nenhum programa; a conversão roda nos nossos servidores e os arquivos são apagados 30 minutos depois, como explicado em como funciona.
Por que meu arquivo TXT tem símbolos como (cid:42) ou quadradinhos no lugar das letras?
O PDF usa uma fonte sem a tabela que liga os glifos aos caracteres Unicode, então as formas aparecem corretamente, mas não carregam o significado das letras. Defina Reconhecimento de texto (OCR) como Sempre: o OCR lê as formas como imagem e geralmente recupera as palavras reais.
Dá para converter só algumas páginas do PDF em texto?
Sim. Mude Páginas a converter para Páginas selecionadas e digite um intervalo como 3-7, 12. Somente essas páginas são lidas, o que também acelera arquivos escaneados longos.
Por que as letras fi e fl ficam estranhas depois da conversão?
Muitas fontes desenham fi, fl e ffi como um único glifo combinado, chamado ligadura. A maioria dos PDFs o converte de volta em letras separadas, mas alguns o ligam a um único caractere Unicode, como U+FB01, que parece certo na tela, mas atrapalha a busca pelas letras simples. Localizar e substituir no seu editor resolve.
O arquivo TXT mantém as quebras de página?
As páginas seguem uma após a outra em um único arquivo, então você não recebe um arquivo separado por página. Se precisar de um arquivo de texto por página, converta as páginas em execuções separadas usando Páginas a converter.
- Extrair texto de PDFExtraia as palavras de qualquer PDF em um arquivo de texto UTF-8 limpo. PDFs escaneados passam por OCR, o intervalo de páginas é opcional e só o texto fica.
- Converter PDF escaneado em textoExtraia texto de um PDF escaneado que não deixa selecionar nem pesquisar. O OCR lê cada página e devolve texto simples, com intervalo opcional.
- Converter PDF para MarkdownConverta PDF em arquivo .md com títulos, listas, links e tabelas pipe reconstruídos a partir do texto. OCR para escaneados. Para Obsidian, Notion e LLMs.
- Converter PDF para WordConverta PDF para Word editável de verdade. O texto vira parágrafos normais, páginas escaneadas passam por OCR em 34 idiomas, até 20 arquivos de uma vez.
- OCR em PDFAdicione camada de texto pesquisável a PDFs escaneados ou extraia o texto para Word ou TXT. 34 idiomas, intervalos de páginas, 20 arquivos, grátis.
- Converter EPUB para TXTExtraia o texto de um EPUB sem DRM para um .txt simples, para busca, contagem de palavras, leitura em voz alta ou análise. Mantém parágrafos, tira imagens.