MyDevTools
PT

PDF para Texto

Extraia a camada de texto de arquivos PDF para arquivos .txt em UTF-8 no navegador, com mapeamento Unicode de fontes e em lote. Sem upload, sem OCR.

Os dados inseridos e arquivos ficam no navegador

Enviar PDF

ou escolha um arquivo do seu dispositivo

Nesta página

Extraia a camada de texto de arquivos PDF para arquivos .txt simples em UTF-8 no navegador — para busca, comparação ou para alimentar scripts. Nada é enviado e não há OCR.

Funcionalidade detalhada

O extrator lê os comandos de exibição de texto de cada página e decodifica os caracteres pelo mapa ToUnicode da fonte, pelo cmap TrueType incorporado ou pela codificação WinAnsi, então cirílico e outros textos não latinos saem corretos quando o PDF fornece o mapeamento. Uma nova linha começa sempre que o PDF passa para a linha seguinte, e as páginas são separadas por uma linha em branco.

PDFs digitalizados contêm apenas imagens e geram texto vazio, porque não há OCR. Layouts em várias colunas e tabelas são achatados na ordem em que o texto está armazenado no arquivo, e os espaços entre palavras dependem de como o PDF foi gerado. PDFs protegidos por senha são recusados com uma mensagem clara.

Adicione vários PDFs de uma vez: eles são processados um após o outro em um Web Worker com barra de progresso, Cancelar interrompe na hora e cada linha concluída ganha Descarregar TXT, que salva <name>.txt.

Exemplos práticos

Documento de duas páginas: um PDF cujas páginas dizem “Second doc page A” e “Second doc page B” resulta em Second doc page A, uma linha vazia e Second doc page B.

Arquivo grande: um PDF de 2.500 páginas com 5.44 MB gera um big.txt de 36 KB enquanto a página continua responsiva.

Contrato digitalizado: um PDF feito de imagens de página gera um .txt vazio — faça o OCR em outro lugar antes.

Arquivo protegido por senha: mostra “locked.pdf: o PDF está protegido por senha e não pode ser processado.”, enquanto os outros arquivos do lote continuam sendo extraídos.

Como usar esta ferramenta

  1. Adicione arquivos PDF

    Clique em Escolher arquivo ou solte um ou mais PDFs em Enviar PDF. Eles aparecem em Ficheiros para processar.

  2. Extraia

    Clique em Extrair Texto. A barra de progresso mostra o arquivo atual; Cancelar interrompe o lote.

  3. Baixe o texto

    Clique em Descarregar TXT em uma linha para salvar <name>.txt (UTF-8).

Dicas e melhores práticas

  • Se o resultado estiver vazio, o PDF provavelmente é uma digitalização: não há camada de texto para extrair.
  • Caracteres embaralhados indicam que o PDF não tem mapeamento Unicode utilizável para a fonte; copiar de um leitor de PDF costuma falhar do mesmo jeito.
  • Tabelas e colunas saem na ordem de armazenamento, então confira a ordem das linhas antes de processar o texto com scripts.
  • Arquivos já extraídos são ignorados ao clicar de novo em Extrair Texto, então você pode adicionar mais arquivos à mesma lista.