Para extrair texto de um PDF no Windows, primeiro veja se é possível selecionar o texto. Se for, copie-o em um visualizador de PDF ou converta o arquivo inteiro com o MD Factory. Se não for, as páginas são imagens, e o texto precisa ser reconhecido com OCR.
Os dois tipos de PDF pedem métodos diferentes. Os passos abaixo começam pelo teste que mostra qual deles você tem.
Veja se é possível selecionar o texto
Abra o PDF no Microsoft Edge, no Chrome ou no Adobe Acrobat Reader. Pressione Ctrl+F e procure uma palavra que você vê na página.
- A palavra é encontrada e destacada: o PDF tem texto selecionável.
- Nada é encontrado, ou arrastar o mouse sobre uma linha não a seleciona: a página é uma imagem de texto.
Um mesmo PDF pode ter os dois. Um relatório digitado pode terminar com anexos digitalizados, então faça a busca em uma página do meio e em uma do fim.
Copie o texto em um visualizador de PDF
Para alguns parágrafos, este é o jeito mais rápido. Arraste o mouse sobre o texto e pressione Ctrl+C. Para copiar o documento inteiro, pressione Ctrl+A e depois Ctrl+C. Cole o texto no Bloco de Notas ou no Word com Ctrl+V.
O texto copiado costuma ter uma quebra de linha no fim de cada linha, uma tabela chega como linhas soltas e, em uma página com duas colunas, o texto de uma coluna pode se misturar com o da outra. Números de página e cabeçalhos repetidos também são copiados.
Abra o PDF no Word
O Word pode abrir um PDF como documento editável. Vá em Arquivo, depois Abrir, escolha o PDF e selecione OK quando o Word oferecer a conversão. A Microsoft diz que isso funciona melhor com PDFs que são em sua maioria texto e que linhas e páginas podem quebrar em lugares diferentes dos do original. Os passos estão em Editar um PDF.
Use este método quando quiser continuar editando o texto no Word. Para texto simples, ou para muitos arquivos, converta-os.
Converta o PDF inteiro com o MD Factory
- Abra o MD Factory e clique em Adicionar arquivos, ou arraste o PDF para a janela. Para converter todos os PDFs de uma pasta, incluindo as subpastas, clique em Adicionar pasta.
- A conversão começa na hora. Quando termina, a linha mostra Concluído, Precisa de revisão ou Falhou.
- Clique duas vezes no caminho do resultado na linha para abrir o texto.
O texto é salvo em um arquivo com o nome do PDF e a extensão .md, na mesma pasta. As imagens do PDF vão para uma pasta ao lado dele. A conversão é feita no seu PC.
Reports/
annual-report.pdf
annual-report.md
annual-report_images/O arquivo .md é texto simples, então o Bloco de Notas o abre. Os títulos começam com # e as tabelas são desenhadas com o caractere |. O guia para converter PDF em Markdown explica esses arquivos com mais detalhes.
Extraia texto de um PDF digitalizado
Adicione um PDF digitalizado do mesmo jeito. O MD Factory encontra as páginas que são imagens e reconhece o texto delas com OCR no seu PC. Em um PDF que mistura páginas digitadas e digitalizadas, o texto digitado é mantido como está, e o OCR roda só nas páginas digitalizadas.
O OCR pode ler errado texto desbotado, torto ou manuscrito. Se uma linha mostrar Precisa de revisão ou Falhou, clique no status, escolha o idioma do documento na lista Idioma do OCR e clique em Tentar novamente. O guia de PDFs digitalizados explica a configuração de idioma e o significado de cada mensagem.
Para uma única página digitalizada no Windows 11, a Snipping Tool também resolve. Pressione Windows+Shift+S, selecione a área e escolha Text actions e depois Copy all text. A Microsoft diz que o reconhecimento de texto é feito no seu dispositivo; veja Usar a Snipping Tool para fazer capturas de tela.
Confira o texto extraído
Seja qual for o método, compare o resultado com o PDF antes de confiar nele:
- Leia a passagem de uma coluna para outra e de uma página para outra para conferir a ordem das frases.
- Apague números de página e cabeçalhos repetidos que interrompem uma frase.
- Compare com o PDF cada valor que você vai usar, como valores em dinheiro, datas e números de documentos.
- Em uma tabela, confira se cada valor está na linha certa.
O texto de uma digitalização exige a conferência mais atenta: um dígito lido errado parece tão plausível quanto um correto.
Qual método usar
| Método | Ideal para | Limites |
|---|---|---|
| Copiar em um visualizador | Alguns parágrafos de um PDF com texto selecionável | Não lê digitalizações. Quebras de linha e tabelas precisam de ajustes. |
| Abrir no Word | Um PDF de texto que você quer editar como documento do Word | O layout pode mudar. Funciona melhor com PDFs que são em sua maioria texto. |
| MD Factory | PDFs inteiros, pastas de PDFs e digitalizações | O resultado precisa ser conferido com o PDF. |
| Snipping Tool | Uma página digitalizada, ou parte dela, no Windows 11 | Uma área da tela por vez. |
Perguntas
Posso extrair texto de um PDF protegido por senha?
O MD Factory não converte PDFs protegidos por senha. Abra o PDF com a senha no seu visualizador, salve uma cópia sem a senha, se você tiver permissão, e converta a cópia.
Como extraio texto de muitos PDFs de uma vez?
Clique em Adicionar pasta no MD Factory. Cada PDF recebe o próprio arquivo de texto. Para pesquisar em todos eles, veja como pesquisar dentro de muitos arquivos PDF e Word.
O MD Factory mantém o layout do PDF?
Não. Você recebe o texto com títulos, listas e tabelas, não a aparência da página. Guarde o PDF para tudo o que depende do layout.