Converter um PDF para texto (.txt)

Como extrair o texto de um PDF em .txt

Abra o documento e inicie a extração: uma janela mostra o texto inteiro com a contagem de caracteres e de palavras, e aí é copiar tudo de uma vez ou baixar um .txt. O que separa uma extração boa de um Ctrl+C às cegas são três detalhes: os parágrafos são remontados em vez de quebrar em todo fim de linha, as palavras cortadas por hífen voltam a se juntar, e as colunas saem na ordem em que se lê, e não atravessando a página da esquerda para a direita. As tabelas saem com as colunas separadas por tabulações, prontas para colar em uma planilha. É o gesto de quem vai reescrever um edital de concurso, contar os caracteres de um trabalho pela ABNT, passar um contrato por um corretor ortográfico ou jogar um relatório em uma ferramenta de análise. O arquivo gerado é texto puro em UTF-8, que abre em qualquer editor, e o documento não sai do seu dispositivo: nada é enviado.

Copiar um trecho em vez do documento inteiro

Quando você quer um parágrafo e não o arquivo todo, arraste o mouse sobre o texto direto no editor: a seleção pega as palavras, não retângulos, e o que vai para a área de transferência já vem em parágrafos. As palavras cortadas no fim da linha voltam a se juntar, as colunas saem na ordem, uma tabela colada mantém as colunas separadas por tabulações e um parágrafo que atravessa duas páginas é recosturado. No celular, um toque longo abre a seleção, e as alças deixam ajustar o começo e o fim com o dedo. É exatamente o que falta quando se copia de um leitor de PDF comum: vem um texto picado, uma linha por quebra, que você acaba arrumando na mão — e é por isso que tanta gente desiste e redigita a cláusula do contrato de aluguel em vez de colar. Aqui o trecho cola pronto no Word, no Google Docs ou em uma mensagem, do jeito que estava escrito.

Um documento digitalizado não tem texto nenhum

Se o seu PDF é uma imagem — o contrato que passou pelo scanner do cartório, a foto de uma página tirada com o celular, o contracheque que o RH mandou digitalizado —, não existe nada para extrair: a extração devolve um arquivo vazio ou quase isso. O sinal é fácil de ver antes de tentar: se você não consegue selecionar uma palavra com o mouse, ali não há texto, só pixels. Passe o documento primeiro pelo reconhecimento de caracteres, que coloca uma camada de texto embaixo da imagem; depois disso a extração devolve o que o OCR leu — e a qualidade do resultado depende da qualidade da digitalização, já que uma página torta, manchada ou fotografada na sombra se lê pior. Se o que você quer é conservar a formatação, e não só as palavras, o caminho certo é converter um PDF em Word; e, para uma tabela com células de verdade em vez de tabulações, converter um PDF em Excel.