Ir al contenido principal
PPDF123

Convertir PDF a texto

PDF a RTF (texto) extrae el texto que ya existe en un PDF y lo devuelve como archivo .txt sin formato o como RTF. No ejecuta OCR, así que los escaneos de solo imagen salen vacíos.

Arrastra archivos aquí, o haz clic para elegir

Admite PDF · hasta 500.0 MB por archivo · hasta 20 archivos a la vez

También puedes pegar un archivo con Ctrl/Cmd+V o desde el menú del portapapeles.

PDF a RTF (texto) extrae las palabras que ya existen como objetos de texto. La ruta por defecto `txt` usa el mismo extractor nativo que otras operaciones de pdf-core (`pdfio::extract_text`) y devuelve `text/plain`. No hace OCR ni llama a LibreOffice.

Si eliges `rtf`, el archivo pasa en su lugar por LibreOffice `writer_pdf_import`. Esa ruta necesita `soffice` en el servidor y reconstruye un documento de texto enriquecido tosco. Espera sustituciones de fuentes y tablas rotas; trata el RTF como un borrador.

Un escaneo que es solo imagen da un `.txt` vacío o casi vacío. El OCR de este sitio devuelve Markdown, no un PDF con texto buscable que puedas reenviar aquí.

No hay campo de intervalo de páginas. Se lee cada página. Los archivos protegidos con contraseña se descifran por ti en esta página cuando introduces la contraseña; quien use la API debe pasar antes por Quitar contraseña.

Si necesitas títulos y listas en lugar de un volcado de texto, PDF a Markdown se acerca más. Si necesitas tablas en filas, usa PDF a CSV o PDF a Excel.

La salida conserva el nombre base del archivo subido, así que `minutes.pdf` pasa a ser `minutes.txt` o `minutes.rtf`. La ruta TXT carga el documento entero, pide al extractor todas las páginas en una sola llamada y devuelve la cadena como `text/plain`. Un outputFormat distinto de `txt` o `rtf` se rechaza con un 400 que enumera los dos valores permitidos.

Un caso práctico: un manual de políticas de 30 páginas nacido digital, exportado desde un procesador de textos. Ejecútalo con TXT y abre el resultado en un editor: deberías encontrar los párrafos y títulos como líneas de texto, que puedes buscar o pasar a un script. Un escaneo del mismo manual, guardado desde una fotocopiadora como una imagen por página, daría un archivo vacío o casi vacío, porque no hay objetos de texto que leer.

Prueba rápida para saber si hay capa de texto: si puedes seleccionar una palabra con el cursor en un visor, el extractor tiene algo que leer. Si no puedes, el archivo son imágenes. Esta herramienta no tiene OCR; la herramienta de OCR del sitio devuelve Markdown, así que con un escaneo lo práctico es pasar primero el OCR y trabajar después con ese Markdown.

Si la salida tiene las palabras correctas en el orden equivocado, probablemente el PDF guarda su texto en un orden distinto del visual, algo habitual en maquetaciones de varias columnas. Prueba PDF a Markdown, que usa otro extractor, o copia a mano la página afectada. Si el RTF falla con un error de dependencia ausente, el servidor no tiene LibreOffice instalado; usa TXT.

Funciones

  • TXT por defecto mediante extracción nativa de texto, no pdftotext ni OCR
  • RTF opcional vía LibreOffice `writer_pdf_import`
  • Lee todas las páginas; no hay parámetro de intervalo
  • API anónima: /api/v1/convert/pdf/text

Cuándo usarla

  • Volcar un informe con capa de texto a grep o a un script
  • Sacar un borrador RTF tosco de un memorándum nacido digital
  • Comprobar si un PDF tiene siquiera una capa de texto
  • Llevar el texto de un manual de políticas a un editor para compararlo con una versión anterior

¿Cómo extraigo el texto de un PDF?

  1. Comprueba que el PDF tiene capa de texto seleccionando una palabra en un visor; si no puedes, pasa antes el OCR y usa el Markdown que devuelve.
  2. Sube el PDF e introduce su contraseña si la página la pide.
  3. Deja TXT para un volcado plano en el que buscar, o elige RTF solo si quieres un borrador de texto enriquecido de LibreOffice.
  4. Pulsa Procesar y descarga el `.txt` o el `.rtf`; el nombre coincide con el del archivo subido.
  5. Compara la primera y la última página con el PDF. Un archivo vacío significa que no hay capa de texto; un orden revuelto significa que el PDF guarda su texto fuera del orden de lectura.

Límites y casos límite

  • No es OCR; de un escaneo sale poco texto o ninguno
  • No hay control de intervalo de páginas
  • TXT no reconstruye el orden visual de varias columnas
  • TXT no reconstruye títulos, listas ni tablas
  • RTF necesita LibreOffice en el servidor y es una reconstrucción tosca
  • Límite de subida en este sitio web: 500 MB por archivo, enviado por partes a partir de unos 95 MB. El cuerpo de una sola petición directa a la API está limitado a 100 MB.

Ejemplos

  • Un informe anual con texto seleccionable suele dar un .txt largo con sus párrafos
  • Un PDF de la foto de una pizarra suele dar un archivo en blanco o diminuto
  • Un manual de 30 páginas nacido digital llamado handbook.pdf se descarga como handbook.txt
  • Un outputFormat de `docx` enviado a este endpoint devuelve un 400 que enumera txt y rtf

Privacidad de esta herramienta

Los archivos se suben por HTTPS, se procesan en memoria o en un directorio temporal de corta duración en nuestros servidores, y se eliminan cuando el resultado está listo. No conservamos copias para consultarlas después, entrenar modelos ni crear perfiles publicitarios. Consulte la Política de privacidad para los plazos de retención y las cookies de AdSense.

Preguntas frecuentes

¿Por qué el archivo de texto está vacío?
El PDF no tiene objetos de texto que el extractor pueda leer. Los escaneos necesitan OCR a Markdown; ese Markdown no se puede reenviar a esta herramienta.
¿El TXT es lo mismo que copiar desde un visor?
Parecido, pero no idéntico. El orden sigue cómo está guardado el texto en el flujo de contenido de la página, que en maquetaciones de varias columnas puede diferir del orden de lectura visual.
¿Cuándo elijo RTF?
Solo cuando quieras que LibreOffice reconstruya un documento. TXT es la extracción directa y no necesita soffice.
¿Conserva fuentes y maquetación?
TXT es texto plano. RTF es una reconstrucción de mejor esfuerzo, no una copia exacta.
¿Puedo extraer el texto de solo algunas páginas?
Con esta herramienta no; se lee cada página. Pasa antes por Extraer páginas para reducir el PDF a las páginas que quieres y convierte después ese archivo.
¿Qué herramienta da títulos y listas en lugar de un volcado plano?
PDF a Markdown. PDF a texto devuelve el texto sin estructura.
Mi PDF escaneado dio un .txt vacío. ¿Está roto el archivo?
No. Un escaneo son imágenes de texto, así que no hay texto que el extractor pueda leer. El OCR devuelve Markdown, que puedes guardar y usar como texto.
¿Qué nombre recibe el archivo descargado?
El nombre base del archivo subido con `.txt` o `.rtf`; por ejemplo, `minutes.pdf` pasa a ser `minutes.txt`.
¿Por qué RTF es más lento o no está disponible en comparación con TXT?
RTF pasa por LibreOffice en el servidor. Si ese programa falta, RTF falla con un error de dependencia ausente mientras TXT sigue funcionando.

Última actualización:

Llámalo desde el código

Cada herramienta del sitio es un endpoint REST. Para uso anónimo no hace falta cuenta ni clave de API. Sirve igual para el navegador, para desarrolladores y para agentes de IA.

curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/text" \
  -F "[email protected]" \
  -F "outputFormat=txt" \
  -o output.pdf

También está disponible como herramienta MCP para clientes de agentes que hablan Model Context Protocol (JSON-RPC 2.0 por POST /mcp). Referencia completa de la API

Úsalo desde un agente de IA

Skill

Con esta skill, Claude Code, Codex, Cursor y otros agentes de IA pueden usar «PDF a RTF (texto)» por ti: /skills/pdf123-pdf-to-text.md

Todas las skills para agentes

Los archivos se usan solo para este trabajo y se borran automáticamente después.