Antes de tudo: o seu PDF tem texto de verdade?
Existem dois tipos de PDF que parecem iguais na tela e são completamente diferentes por dentro. O PDF digital, gerado por Word, navegador ou sistema, guarda o texto como texto. O PDF digitalizado, saído de um scanner ou de uma foto, guarda apenas imagens do papel — não há uma única letra ali, só pixels que formam o desenho das letras.
Esta ferramenta lê o primeiro tipo. Se você extrair e vier vazio, é quase certo que o seu documento é do segundo. O teste leva dois segundos: abra o PDF e tente selecionar uma palavra com o mouse. Se a seleção pega o texto, a extração funciona. Se você só consegue arrastar um retângulo por cima, é imagem.
Nesse caso o caminho é o OCR, que reconhece as letras dentro da imagem e cria uma camada de texto. É um processo diferente, mais lento e sujeito a erro de leitura — mas é o único que funciona com digitalização.
O texto extraído sai separado por página, com marcadores como --- Página 3 ---, o que facilita localizar o trecho que interessa em documento longo.
Por que o texto às vezes sai fora de ordem
Esta é a segunda surpresa mais comum, e tem uma explicação que vale conhecer: o PDF não guarda o texto em ordem de leitura. Ele guarda cada pedaço junto com a coordenada onde deve ser desenhado na página. Quem monta a ordem que você lê é o seu olho, não o arquivo.
Em documento de uma coluna, a ordem armazenada costuma coincidir com a ordem de leitura, e a extração sai perfeita. Em duas colunas, tabelas, formulários ou revistas, ela pode misturar trechos — um pedaço da coluna da direita aparecendo no meio da esquerda. Não é falha da ferramenta; é consequência de como o formato foi projetado, e acontece com qualquer extrator.
Pela mesma razão, tabelas perdem a estrutura e viram texto corrido. É a maior frustração de quem tenta extrair uma planilha em PDF. Se você precisa da tabela como tabela, o caminho é converter para Excel, não extrair texto.
Para que serve na prática
- Copiar de um PDF que não deixa selecionar direito. Alguns leitores selecionam mal, ou o documento tem restrição de cópia.
- Comparar duas versões de um contrato. Extraia as duas e compare os textos num diff — é o método descrito na página Comparar PDF.
- Traduzir um trecho. Extraia, cole no Tradutor e traduza por partes.
- Contar palavras ou caracteres de um documento entregue em PDF.
- Reaproveitar conteúdo de material antigo sem redigitar.
- Buscar uma informação específica em documento longo, colando tudo num editor e usando a busca.
Limitações que você deve conhecer antes
- Não funciona em PDF digitalizado. Sem texto digital, não há o que extrair — é caso de OCR.
- Toda a formatação se perde. Negrito, itálico, tamanho, cor e alinhamento não sobrevivem.
- Tabelas viram texto corrido, sem estrutura de linhas e colunas.
- Documento de múltiplas colunas pode sair embaralhado.
- Imagens não são extraídas — só o texto. Para as imagens, existe a ferramenta específica de extrair imagens do PDF.
- Documentos muito longos consomem memória. No celular, um PDF com centenas de páginas pode travar a aba; prefira o computador.
- PDF com senha costuma falhar ao carregar. Remova a proteção antes com Desproteger PDF.
Perguntas frequentes
Como extrair o texto de um PDF?
Selecione o arquivo e clique em extrair. O texto aparece numa área de onde você pode copiar ou baixar como .txt, já separado por página com um marcador do tipo '--- Página 3 ---'. Tudo acontece dentro do navegador: o documento não é enviado para lugar nenhum.
Extraí e veio vazio. O que houve?
Quase certamente o seu PDF é uma digitalização. Nesse caso as páginas são fotos do papel, e não existe texto ali para copiar — o que você lê na tela é imagem. A prova é simples: abra o PDF e tente selecionar uma palavra com o mouse. Se não seleciona, é imagem. O caminho então é o OCR, que reconhece as letras da foto e cria a camada de texto.
Por que o texto saiu bagunçado ou fora de ordem?
Porque o PDF não guarda o texto em ordem de leitura — ele guarda cada pedaço com a coordenada onde deve ser desenhado. Em documento de uma coluna, isso costuma coincidir com a ordem certa. Em documento de duas colunas, tabela, formulário ou revista, a extração pode misturar trechos, colocando um pedaço da coluna da direita no meio da esquerda. Não é defeito da ferramenta: é como o formato foi projetado.
A formatação é preservada?
Não. Sai texto puro, sem negrito, itálico, tamanho de fonte, cor ou alinhamento. Tabelas perdem a estrutura de linhas e colunas e viram texto corrido, o que costuma ser a maior frustração de quem extrai planilha em PDF. Se você precisa da tabela como tabela, o caminho é converter para Excel, não extrair texto.
Meu PDF é enviado para algum servidor?
Não. A leitura é feita pela biblioteca pdf.js dentro da aba do seu navegador. O arquivo não sai do aparelho e não fica armazenado. Isso importa bastante aqui: extrair texto costuma ser o primeiro passo para trabalhar com contrato, laudo ou documento pessoal.
Dá para extrair só de algumas páginas?
A extração pega o documento inteiro, mas o resultado vem marcado página a página, com '--- Página 1 ---', '--- Página 2 ---' e assim por diante. Então dá para localizar e copiar só o trecho que interessa. Se preferir trabalhar com um arquivo menor, use antes a ferramenta Extrair Páginas de PDF para isolar o trecho.
Consigo extrair texto de um PDF protegido por senha?
PDFs cifrados costumam falhar no carregamento. Se o documento for seu e você souber a senha, remova a proteção antes com a ferramenta Desproteger PDF e extraia depois.
Existe limite de tamanho ou de páginas?
Não há um teto fixo, mas o processamento é feito pelo seu aparelho, página por página. Documentos com centenas de páginas levam tempo e consomem memória — no celular, um PDF muito longo pode travar a aba. Se for esse o caso, prefira o computador.
Para que serve extrair o texto, na prática?
Para tudo que exige o conteúdo fora do PDF: traduzir um trecho, contar palavras, colar num e-mail, comparar duas versões de um contrato num comparador de texto, alimentar uma pesquisa, ou simplesmente copiar quando o leitor de PDF não deixa selecionar direito.
Preciso instalar algo ou criar conta?
Não. Sem instalação, sem cadastro e sem limite diário. O texto pode ser copiado direto da tela ou baixado como arquivo .txt.