pdfMB

PDF para texto

Tire todo o texto de um PDF, na ordem de leitura e juntado em parágrafos. Copie ou baixe um arquivo .txt. Seu arquivo fica neste aparelho.

  • Sem envioSeu arquivo fica neste aparelho.
  • Seu original não é alteradoVocê baixa uma cópia nova. Seu arquivo nunca muda.
  • Grátis, sem cadastroSem conta e sem limite diário.

O que acontece com seu arquivo

Tudo o que está abaixo acontece no seu navegador, no seu próprio aparelho. O PDF não é enviado, então ninguém mais, nem nós, consegue vê-lo.

  1. Seu navegador abre o PDF com o pdf.js, o leitor de PDF que vem no Firefox, e lê cada trecho de texto com sua posição e tamanho.
  2. Trechos de texto na mesma linha são juntados em linhas, e as linhas em parágrafos, para você não ter uma quebra de linha a cada poucas palavras. Palavras separadas por hífen no fim da linha voltam a ficar inteiras.
  3. Páginas com duas ou três colunas são lidas uma coluna de cada vez. Copiar de um leitor de PDF muitas vezes mistura as colunas linha a linha.
  4. Linhas que se repetem no topo ou no pé da maioria das páginas, como títulos correntes e números de página, podem ser removidas para não interromper as frases.
  5. Tabelas viram uma linha por linha da tabela, com as células separadas por tabulações, para caírem nas colunas certas quando coladas em uma planilha.
  6. Alguns PDFs, muitas vezes os salvos em um navegador, marcam certos caracteres como “nenhum caractere”. Em tailandês, geralmente são sinais de tom acima das vogais. O pdfMB reconstrói esses sinais a partir das fontes dentro do seu arquivo.
  7. Páginas sem texto, como digitalizações, podem ser lidas com o mesmo mecanismo de OCR do “OCR PDF”. Só os dados de idioma são baixados, uma única vez.
  8. O arquivo .txt é salvo em UTF-8 no seu aparelho, para que todos os idiomas apareçam certo, ou o texto é copiado para a área de transferência.
Resumindo
  1. Escolha um PDF
  2. Toque em “Converter para texto”
  3. Confira a prévia
  4. Copie ou baixe o arquivo .txt

Como tirar o texto de um PDF

  1. Escolha um PDF ou solte o arquivo na caixa. O pdfMB lê cada página e avisa se alguma página é uma digitalização sem texto.
  2. Se houver páginas escaneadas, deixe “Ler o texto das páginas escaneadas (OCR)” ligado e escolha o idioma do documento.
  3. Toque em “Converter para texto”. Uma barra mostra o andamento.
  4. Confira a prévia. Você pode manter ou remover cabeçalhos e rodapés, marcar onde as páginas começam, ou trocar para Markdown para manter títulos e tabelas.
  5. Toque em “Copiar tudo” para colar o texto em outro lugar, ou baixe o arquivo .txt.

Por que texto em tailandês copiado muitas vezes perde os sinais de tom

Fontes tailandesas têm formas extras para os sinais de tom: uma elevada, que fica acima de uma vogal superior, como em ที่ ou น้ำ, e uma normal. O PDF guarda qual forma foi desenhada, além de uma tabela que diz qual letra cada forma representa.

Quando um PDF é salvo no Chrome, no Edge e em outros navegadores baseados no Chromium, essa tabela muitas vezes diz que as formas elevadas representam “nada”. Ao copiar o texto, ou com uma ferramenta que confia na tabela, o sinal some, e น้ำ (água) vira นำ (conduzir).

No nosso teste com um artigo de 35 páginas da Wikipédia em tailandês salvo no Chrome, 1.915 sinais de tom estavam marcados assim. O pdfMB encontra o sinal certo na fonte dentro do arquivo, e todos os 4.911 sinais de tom chegaram certinhos.

Quando as pessoas usam

Reaproveitar o que você escreveu

Tire do PDF o texto de um relatório, carta ou currículo antigo para editar em qualquer programa.

Traduzir

Cole parágrafos inteiros em um tradutor, em vez de linhas que param no meio da frase.

Buscar e contar

Pesquise em um documento longo, conte palavras ou compare duas versões em um editor de texto.

Documentos em tailandês

Copie texto em tailandês que mantém os sinais de tom, mesmo de PDFs salvos em um navegador.

O que ele não faz

  • Só o texto é mantido. Imagens, gráficos e desenhos ficam de fora. Use “PDF para JPG” para salvá-los.
  • Negrito, itálico, títulos e links viram texto comum. Use “PDF para Markdown” para mantê-los.
  • A posição exata do texto na página não é mantida. Texto em caixas e margens entra no fluxo dos parágrafos.
  • Equações saem como texto simples, com sobrescritos e subscritos na mesma linha.
  • Idiomas escritos da direita para a esquerda, como árabe e hebraico, ainda não foram testados o suficiente. Confira o resultado com cuidado.
  • PDFs protegidos por senha, e PDFs cujo dono bloqueou a cópia, não podem ser convertidos.

Perguntas sobre converter PDF para texto

Meu PDF é enviado para algum lugar?

Não. O pdfMB lê o arquivo no seu navegador, e ele nunca sai do seu aparelho. Você pode conferir isso nas ferramentas de rede do navegador.

Por que não copiar direto do meu leitor de PDF?

A maioria dos leitores copia linha por linha, então cada linha termina com uma quebra, as colunas se misturam e as palavras com hífen continuam separadas. O pdfMB junta as linhas em parágrafos, lê as colunas na ordem e pode deixar de fora cabeçalhos e números de página.

Os sinais de tom do tailandês são mantidos?

Sim. O pdfMB também recupera sinais de tom que alguns PDFs marcam como “nenhum caractere”. No nosso teste, todos os 4.911 sinais de tom de um artigo em tailandês de 35 páginas chegaram certinhos.

Dá para ler um PDF escaneado?

Sim. Ligue o OCR e escolha o idioma. Confira o resultado, porque o OCR pode ler nomes e números errado.

Qual é a codificação do arquivo .txt?

UTF-8, que qualquer editor moderno abre, incluindo Notepad, TextEdit e VS Code. Todos os idiomas e símbolos são mantidos.

Existe limite de páginas ou de tamanho?

Não há um limite fixo. Documentos longos demoram mais, e arquivos muito grandes podem esgotar a memória em alguns celulares.