Não consegue copiar texto de um PDF? Veja por que e como obter o texto

Se você não consegue selecionar palavras em um PDF, é quase certo que as páginas são imagens de texto, um escaneamento ou uma foto, e não texto de verdade. Envie o arquivo para PDF para texto: se ele encontrar palavras, copie-as dali. Se informar que nenhum texto foi encontrado, as páginas precisam de OCR (reconhecimento óptico de caracteres), que lê as letras a partir da imagem. As duas etapas rodam no seu navegador, e o arquivo nunca é enviado para a internet.

PDF para textoPreciso tirar o texto de um PDFUse de graça

PDF com texto ou PDF escaneado

Um PDF com texto guarda cada letra como um caractere, com uma fonte e uma posição na página. Um PDF escaneado guarda cada página como uma única imagem, do mesmo jeito que uma foto, então não há nada para selecionar. Alguns arquivos misturam os dois: páginas digitadas com uma assinatura escaneada, ou um formulário escaneado com um título digitado.

Teste no seu leitor tentando selecionar uma palavra. Se a marcação acompanha as letras, o texto está ali. Se você só consegue selecionar a página inteira, ou nada, a página é uma imagem.

O que você vê	O que normalmente significa	O que fazer
As palavras selecionam e copiam	Um PDF com texto	Copie diretamente, ou use PDF para texto para o arquivo inteiro
Nada seleciona, e PDF para texto não encontra texto	Páginas escaneadas ou fotografadas	Gere as páginas como imagem e depois rode OCR
As palavras selecionam, mas colam como símbolos estranhos	As fontes não associam as letras aos caracteres corretamente	Tente PDF para texto; se o resultado ainda estiver embaralhado, use OCR
O leitor bloqueia a seleção	Uma restrição de cópia definida pelo autor	Veja a seção sobre restrições

Por que um PDF não deixa você copiar

Três coisas impedem a cópia, e cada uma tem uma solução diferente:

• As páginas são imagens escaneadas. O texto não está no arquivo, então o OCR é o único jeito de recuperá-lo.
• O arquivo precisa de senha para abrir. Ele não pode ser lido até ser desbloqueado, com a senha que você tem, no programa que você normalmente usa para ele. As ferramentas daqui não tentam abrir arquivos bloqueados.
• O autor definiu uma restrição de cópia. Alguns PDFs pedem aos leitores que não permitam copiar ou editar. Essa é uma configuração escolhida pelo autor, e o fixmint não contorna isso. Se você tiver o direito, peça uma cópia sem restrições ou exporte uma a partir do programa que criou o arquivo.

Obtenha o texto de um PDF com texto

1. Arraste o PDF para a caixa em PDF para texto e aguarde enquanto cada página é lida.
2. Confira a contagem de páginas e de palavras que aparece.
3. Marque Marcadores de página se quiser que cada página seja identificada. Deixe desmarcado para texto simples.
4. Copie o texto ou baixe-o como um arquivo .txt.

Colunas, tabelas e cabeçalhos podem sair em outra ordem, porque um PDF guarda onde cada trecho de texto é desenhado, e não a qual parágrafo ele pertence. Se cada linha terminar com uma quebra de linha forçada, leia por que o texto copiado de um PDF quebra em cada linha e depois cole o texto em Corrigir texto colado, que junta as linhas de cada parágrafo.

Obtenha o texto de um PDF escaneado

Páginas escaneadas exigem duas etapas: transformar cada página em imagem e depois ler o texto de cada imagem. A mesma etapa de leitura funciona para uma captura de tela ou foto, como explicado aqui.

1. Arraste o PDF para PDF para JPG. Escolha PNG para texto, porque ele mantém as bordas das letras nítidas, e 300 DPI para letras miúdas. Selecione apenas as páginas de que você precisa, ou deixe todas.
2. Baixe as páginas. Cada uma é salva como uma imagem separada, ou todas vêm em um ZIP.
3. Abra Imagem para texto e envie a primeira página. As palavras aparecem assim que a página for lida. Palavras que o motor não tem certeza aparecem marcadas em vermelho.
4. Repita para cada página, na ordem. Marque Juntar linhas em parágrafos para remover as quebras de linha e depois copie o resultado.
5. Confira todos os números, nomes e datas com a página antes de usá-los.

O Imagem para texto lê uma imagem por vez, e somente em inglês. A ferramenta carrega o motor de OCR e o seu modelo em inglês do site ao iniciar, e depois a imagem é lida no seu dispositivo. Uma página grande ou lenta pode demorar, então aguarde o resultado antes de copiar. Páginas nítidas, retas e bem iluminadas são lidas melhor. Recorte as bordas de uma foto e segure a câmera em ângulo reto em relação à página.

Erros comuns

• Salvar páginas de texto como JPG. O JPG borra as bordas das letras, o que prejudica a precisão. Para páginas só de texto, o PNG é a melhor escolha.
• Confiar no OCR sem conferir. O reconhecimento não é perfeito. Confira os números e nomes com a página.
• Esperar que tabelas continuem tabelas. O OCR lê linhas, então uma tabela pode virar uma lista. Compare o resultado com a página.
• Usar OCR para texto manuscrito. O Imagem para texto foi feito para texto impresso. Manuscritos costumam ser lidos mal, então digite novamente essas partes à mão.

Perguntas frequentes

O OCR envia as minhas páginas escaneadas para algum lugar?

Não. A página é lida no seu navegador, e a imagem nunca é enviada para um servidor. O site entrega ao seu navegador o motor de OCR e o seu modelo em inglês, e a leitura acontece ali.

E se apenas algumas páginas não tiverem texto?

Ative Marcadores de página em PDF para texto. Uma página que não mostra nada sob o seu marcador é um escaneamento, enquanto as páginas digitadas mostram o texto. Passe somente essas páginas por PDF para JPG e Imagem para texto, depois coloque os resultados de volta na ordem.

Por que o texto copiado quebra no fim de cada linha?

Um PDF guarda cada linha impressa separadamente, então a cópia mantém essas quebras. Use Corrigir texto colado para juntar as linhas de cada parágrafo. O guia sobre quebras de linha explica por que isso acontece.

O Imagem para texto consegue ler manuscritos ou outros idiomas?

Ele foi feito para inglês impresso no alfabeto latino, e manuscritos costumam ser lidos mal. Outros alfabetos, como árabe, chinês ou cirílico, não são suportados.