Cómo extraer el texto de un PDF (copiar sin líneas rotas)

¿Por qué copiar texto de un PDF es tan engorroso?

Seleccionas un párrafo de un PDF, lo pegas en Word o en un correo… y obtienes un desastre: un salto de línea cada pocas palabras, guiones en mitad de las palabras, columnas mezcladas y a veces caracteres raros.

La razón: un PDF no guarda «párrafos». Guarda trozos de texto colocados en coordenadas precisas de la página — una línea aquí, una palabra allá. El párrafo solo existe visualmente. Al copiar, el visor tiene que adivinar el orden de lectura, y a menudo se equivoca.

Extrae el texto de un PDF completo

La herramienta PDF a texto lee la capa de texto del documento con PDF.js y reconstruye las líneas y los párrafos a partir de la posición de cada trozo de texto. Todo ocurre en tu navegador: el PDF nunca se sube.

1. Suelta tu PDF en la página.
2. Elige las páginas: todas, solo la primera o un rango.
3. Copia el texto al portapapeles o descárgalo como archivo .txt.

¿PDF de texto o PDF escaneado?

Todo depende de cómo se creó el PDF:

Tipo de PDF	Cómo reconocerlo	Herramienta
PDF de texto (exportado desde Word, una web, un programa)	Puedes seleccionar una palabra en el visor	PDF a texto: instantáneo y exacto
PDF escaneado (fotocopia, escáner, foto del móvil)	Al seleccionar se dibuja un rectángulo sobre una imagen	Convierte las páginas en imágenes y usa el OCR
Mixto	Unas páginas se seleccionan y otras no	Ambas, página a página

Lo que puede fallar (y cómo arreglarlo)

• Maquetaciones en columnas (periódicos, artículos científicos): el texto puede salir columna a columna o línea a línea cruzando columnas. Revísalo y reordénalo si hace falta.
• Palabras cortadas al final de línea: usa la herramienta de buscar y reemplazar para unirlas.
• Saltos de línea no deseados: la misma herramienta, en modo regex, puede fusionar las líneas en párrafos.
• Cabeceras y números de página repetidos en cada página: quítalos con el filtro de texto o con buscar y reemplazar.
• Caracteres raros: algunos PDF usan fuentes sin una tabla de caracteres correcta; entonces el texto no se puede extraer bien — el OCR es la alternativa.

Casos de uso

• Citar un informe o un estudio sin volver a teclearlo.
• Traducir un documento: extrae el texto y pégalo en tu traductor.
• Analizar contratos: busca una cláusula o compara dos versiones con la herramienta para comparar textos.
• Pasar datos a una hoja de cálculo: extrae una factura o un extracto y límpialo.
• Accesibilidad: obtén una versión en texto plano para un lector de pantalla o una lectura con letra grande.

PDF protegidos

Algunos PDF prohíben copiar mediante sus ajustes de seguridad. Un PDF cifrado que pide contraseña para abrirse no se puede leer sin ella. Si el documento es tuyo, quita la protección con el programa que lo creó.

Conclusión

Para sacar un texto limpio de un PDF, no copies y pegues desde el visor: extrae la capa de texto con una herramienta específica, que reconstruye líneas y párrafos. Si el PDF es un escaneo, pasa por imágenes y OCR. En ambos casos, tu documento se queda en tu ordenador.