Herramientas PDFQue puedas sacar el texto de un PDF depende de cómo se hizo el PDF. Ábrelo, intenta seleccionar una sola palabra con el ratón y sabrás en qué situación estás.
Caso 1: puedes seleccionar palabras
El PDF contiene texto real. PDF a texto lo lee página a página y te da un archivo .txt sin formato, además de un cuadro desde el que copiar. Marca Marcar saltos de página si necesitas saber dónde empieza cada página, útil para citar un documento.
Caso 2: no puedes seleccionar nada
El PDF es un escaneo o una foto. Lo que parece texto es una imagen del texto, igual que la foto de un periódico. La extracción no devuelve nada porque no hay nada que extraer.
Necesitas OCR (reconocimiento óptico de caracteres) para volver a convertir la imagen en caracteres. Pasa primero el archivo por OCR PDF: reconoce las palabras de cada página y las añade como una capa invisible. Después, el PDF se comporta como uno normal y PDF a texto puede extraerlo. Cuenta con algunos errores en escaneos borrosos o torcidos; revisa nombres y cifras antes de fiarte.
Para un solo párrafo, el móvil es más rápido: en iPhone, mantén pulsado el texto de una foto (Texto en vivo); en Android, Google Lens hace lo mismo.
Caso 3: el texto sale, pero desordenado
Un PDF guarda cada trozo de texto con su posición en la página, no como párrafos continuos. Para reconstruir el orden de lectura, el extractor agrupa los trozos en líneas y los ordena de arriba abajo. Funciona bien en páginas normales y peor en:
- Maquetaciones a dos columnas, donde las líneas de ambas columnas pueden intercalarse.
- Tablas, que salen como filas de valores sin la cuadrícula.
- Texto en ángulo o siguiendo una curva.
Para un pasaje corto, seleccionar y copiar directamente en un visor suele dar el resultado más limpio, porque eliges tú la zona. Para todo el documento, extrae todo y ordénalo en un editor de texto.
Caracteres raros
Si te salen cuadrados, interrogaciones o ligaduras como «fi» en lugar de «fi», el PDF usa una fuente sin una tabla de caracteres correcta. Buscar y reemplazar arregla rápido las ligaduras; los caracteres que faltan no suelen poder recuperarse sin OCR.
Preguntas
¿Puede extraer el texto de un PDF escaneado?
No directamente, porque un escaneo solo contiene imágenes. Hazlo buscable primero con OCR PDF y luego extrae el texto.
¿Se conserva el formato?
No. El resultado es texto plano: sin negritas, sin fuentes, sin tablas. Eso es justo lo que permite pegarlo en cualquier sitio.