Converter um PDF em texto

Como funciona

Um PDF «digital», criado num processador de texto ou num site, contém o texto sob a forma de carateres: a ferramenta lê-os página a página e junta-os. Depois pode copiar tudo ou transferir um ficheiro .txt.

E se o PDF estiver digitalizado?

Um documento digitalizado é apenas uma sequência de imagens: não há texto para extrair. A ferramenta avisa-o e encaminha-o para o reconhecimento de texto (OCR), que lê as letras na imagem.

O que convém saber

• A formatação não é mantida: colunas, tabelas e cabeçalhos passam a texto simples. É intencional, para o poder reutilizar livremente.
• A ordem de leitura segue a do ficheiro: em documentos com várias colunas, algumas linhas podem ficar desordenadas.
• Os carateres especiais mantêm-se, seja qual for a língua.

Utilizações

• Citar um excerto de um relatório sem o voltar a escrever.
• Traduzir um documento com um tradutor.
• Contar as palavras de uma tese ou de um artigo.
• Procurar uma informação num contrato longo.

Perguntas frequentes

O meu PDF é enviado para um servidor?

Não. A extração é feita no seu navegador: o ficheiro fica no seu aparelho.

Porque é que o texto extraído está vazio?

Provavelmente o PDF está digitalizado e só contém imagens. Utilize a ferramenta de reconhecimento de texto (OCR) para ler as letras.

É possível manter a formatação?

Não, a ferramenta produz texto simples. Para manter a paginação, é preciso um conversor para um formato de processador de texto.