Para extraer texto de un PDF en Windows, primero comprueba si puedes seleccionarlo. Si puedes, cópialo en un visor de PDF o convierte el archivo entero con MD Factory. Si no puedes, las páginas son imágenes y el texto hay que reconocerlo con OCR.
Cada tipo de PDF necesita un método distinto. Los pasos siguientes empiezan con la prueba que te dice cuál tienes.
Comprueba si puedes seleccionar el texto
Abre el PDF en Microsoft Edge, Chrome o Adobe Acrobat Reader. Pulsa Ctrl+F y busca una palabra que veas en la página.
- Se encuentra la palabra y se resalta: el PDF tiene texto seleccionable.
- No se encuentra nada, o al arrastrar el ratón por una línea no se selecciona: la página es una imagen de texto.
Un mismo PDF puede tener ambos tipos. Un informe mecanografiado puede terminar con anexos escaneados, así que haz la búsqueda en una página del medio y en una del final.
Copia el texto en un visor de PDF
Para unos pocos párrafos, es la forma más rápida. Arrastra el ratón por el texto y pulsa Ctrl+C. Para copiar todo el documento, pulsa Ctrl+A y luego Ctrl+C. Pega el texto en el Bloc de notas o en Word con Ctrl+V.
El texto copiado suele traer un salto de línea al final de cada línea, una tabla llega como líneas sueltas y, en una página con dos columnas, el texto de una columna puede mezclarse con el de la otra. Los números de página y los encabezados repetidos también se copian.
Abre el PDF en Word
Word puede abrir un PDF como un documento editable. Ve a Archivo y luego Abrir, elige el PDF y selecciona Aceptar cuando Word te ofrezca convertirlo. Microsoft indica que funciona mejor con PDF que son sobre todo texto, y que las líneas y las páginas pueden cortarse en lugares distintos a los del original. Los pasos están en Editar un PDF.
Úsalo cuando quieras seguir editando el texto en Word. Para texto plano, o para muchos archivos, conviértelos.
Convierte el PDF entero con MD Factory
- Abre MD Factory y haz clic en Añadir archivos, o arrastra el PDF a la ventana. Para convertir todos los PDF de una carpeta, subcarpetas incluidas, haz clic en Añadir carpeta.
- La conversión empieza enseguida. Cuando termina, la fila muestra Completado, Necesita revisión o Falló.
- Haz doble clic en la ruta del resultado de la fila para abrir el texto.
El texto se guarda en un archivo con el nombre del PDF y la extensión .md, en la misma carpeta. Las imágenes del PDF van a una carpeta a su lado. La conversión se realiza en tu PC.
Reports/
annual-report.pdf
annual-report.md
annual-report_images/El archivo .md es texto plano, así que el Bloc de notas lo abre. Los encabezados empiezan con # y las tablas se dibujan con caracteres |. La guía para convertir PDF a Markdown explica estos archivos con más detalle.
Extrae texto de un PDF escaneado
Añade un PDF escaneado de la misma manera. MD Factory detecta las páginas que son imágenes y reconoce su texto con OCR en tu PC. En un PDF que mezcla páginas mecanografiadas y escaneadas, el texto mecanografiado se conserva tal cual y el OCR se aplica solo a las páginas escaneadas.
El OCR puede leer mal el texto desvaído, torcido o manuscrito. Si una fila muestra Necesita revisión o Falló, haz clic en el estado, elige el idioma del documento en la lista Idioma de OCR y haz clic en Reintentar. La guía de PDF escaneados explica el ajuste de idioma y qué significa cada mensaje.
Para una sola página escaneada en Windows 11, también sirve Snipping Tool. Pulsa Windows+Shift+S, selecciona el área y elige Text actions y Copy all text. Microsoft indica que el reconocimiento de texto se realiza en tu dispositivo; consulta Hacer capturas de pantalla con Snipping Tool.
Revisa el texto extraído
Sea cual sea el método, compara el resultado con el PDF antes de fiarte de él:
- Lee el texto a través de un cambio de columna y de un cambio de página para comprobar el orden de las frases.
- Elimina los números de página y los encabezados repetidos que interrumpan una frase.
- Compara con el PDF cada cifra que vayas a usar, como importes, fechas y números de identificación.
- En una tabla, comprueba que cada valor esté en la fila correcta.
El texto de un escaneo es el que más atención exige: un dígito mal leído parece tan plausible como uno correcto.
Qué método elegir
| Método | Ideal para | Límites |
|---|---|---|
| Copiar en un visor | Unos pocos párrafos de un PDF con texto seleccionable | No lee escaneos. Los saltos de línea y las tablas requieren limpieza. |
| Abrir en Word | Un PDF de texto que quieres editar como documento de Word | El diseño puede cambiar. Funciona mejor con PDF de casi solo texto. |
| MD Factory | PDF enteros, carpetas de PDF y escaneos | El resultado hay que compararlo con el PDF. |
| Snipping Tool | Una página escaneada, o parte de ella, en Windows 11 | Un área de la pantalla cada vez. |
Preguntas
¿Puedo extraer texto de un PDF protegido con contraseña?
MD Factory no convierte PDF protegidos con contraseña. Abre el PDF con su contraseña en tu visor, guarda una copia sin contraseña si tienes permiso para hacerlo y convierte la copia.
¿Cómo extraigo texto de muchos PDF a la vez?
Haz clic en Añadir carpeta en MD Factory. Cada PDF genera su propio archivo de texto. Para buscar en todos ellos, consulta cómo buscar dentro de muchos archivos PDF y Word.
¿MD Factory conserva el diseño del PDF?
No. Obtienes el texto con sus encabezados, listas y tablas, no el aspecto de la página. Conserva el PDF para todo lo que dependa del diseño.