Un archivo .txt limpio, respetando las columnas. Y si el PDF es un escaneo, te lo dice.
Sin marca de agua · Sin subir archivos · Gratis con límites
Arrastra aquí tu archivo .pdf
se lee en tu equipo · el archivo no se sube
Añade un PDF y aquí verás su texto, tal como va a salir en el archivo.
Saca el texto de un PDF a un archivo .txt limpio, para buscar en él, pegarlo en otro sitio o revisarlo sin abrir el documento.
Lo que no es evidente: un PDF no guarda líneas ni párrafos, guarda trozos de texto con una posición cada uno. Sacar el texto es deducir el orden de lectura a partir de coordenadas, y ahí es donde fallan las herramientas corrientes. La que más duele: una página a dos columnas leída de izquierda a derecha devuelve las dos columnas entreveradas renglón a renglón. Folio busca la franja vertical que las separa y lee cada columna entera antes de pasar a la siguiente.
Y responde de paso una pregunta que aparece a todas horas: ¿este PDF tiene texto, o es un escaneo? Si es una imagen de las hojas, aquí se ve en el momento y se avisa, en vez de entregar un archivo vacío que hace pensar que la herramienta está rota.
Que ese PDF no tiene texto: es un escaneo, una fotografía de las hojas. Sin OCR no hay nada que sacar, y Folio te lo dice en pantalla en vez de dejarte con el archivo vacío. Es información útil por sí sola: te ahorra buscar en un documento en el que no se puede buscar.
Porque sin eso el texto sale mezclado y parece correcto. Contiene todas las palabras, así que no salta a la vista; sólo se nota al leerlo. En un documento de trescientas páginas nadie lo revisa, y el daño ya está hecho.
Un renglón acaba donde acaba la caja de texto, no donde acaba la frase. Con esa casilla, las líneas que son el mismo párrafo partido se juntan en una sola. Va bien para leer o para pegar en un Word; si vas a comparar o a buscar por número de renglón, déjala sin marcar.
Añade tres bytes al principio del archivo que le dicen a Windows que está en UTF-8. Sin ellos, el Bloc de notas y bastantes programas de escritorio lo leen como ANSI y las tildes y las eñes salen rotas. Si vas a usar el .txt en Linux o en una herramienta que ya espera UTF-8, puedes quitarlos.
No. La página se sirve con connect-src 'none', una cabecera que impide al navegador hacer cualquier petición de red desde esta herramienta.