Extraer texto de un PDF

Suele ser una de tres cosas: las páginas son escaneos (píxeles, sin capa de texto), el archivo bloquea la copia, o la capa de texto está tan mal codificada que copiar da basura. Esta página resuelve las dos primeras automáticamente y «Volver a extraer con OCR» cubre la tercera.

Arrastra el archivo. Cualquier página sin una capa de texto utilizable se renderiza como mapa de bits y pasa por OCR en local, de modo que las páginas que son solo imagen salen como texto real junto a las digitales. Cuenta con unos segundos por página escaneada.

Sí. Cada página se comprueba por separado, así que un archivo mixto —un informe digital con un anexo escaneado— se convierte bien sin que tengas que separar las páginas antes.

Sí, sin tope de páginas y sin cuenta. Como la conversión corre en tu máquina y no en nuestros servidores, no hay un coste por archivo que repercutir.

Activa «Limpiar el texto» después de la extracción. Une las líneas cortadas y quita los guiones que dejó la maquetación. Si lo desactivas, la copia original sigue disponible.

Las zonas con forma de rejilla se reconstruyen como tablas que puedes copiar para Excel, Markdown o CSV. Los PDF digitales usan las posiciones del texto; los escaneos pasan por los mismos modelos de tablas locales que las imágenes.

No. Se analiza en tu navegador con pdf.js y OCR local. Nunca recibimos el archivo ni el texto extraído.