Limpiador de texto copiado de PDF
El texto copiado de un PDF llega con un salto de línea al final de cada línea impresa, palabras partidas por guiones, caracteres de ligadura extraños y números de página y encabezados sueltos. Pégalo aquí para obtener párrafos limpios y continuos que puedas editar, citar o traducir.
Última actualización:
Cómo usar Limpiador de texto copiado de PDF
- Copia el texto de tu PDF (Ctrl+A o selecciona arrastrando, luego Ctrl+C) y pégalo en el cuadro de la izquierda.
- Mantén las correcciones predeterminadas o desmarca las que no quieras, como quitar encabezados en un documento de una página.
- Elige la detección de párrafos: Inteligente sirve para la mayoría de los documentos; Solo líneas en blanco es más seguro para poesía, código o tablas.
- Revisa el texto limpio y la lista de líneas de encabezado y pie de página eliminadas a la derecha.
- Copia o descarga el texto limpio.
Qué se corrige
| Problema | Tal como se copió del PDF | Después de limpiar |
|---|---|---|
| Saltos de línea forzados | Ofrecen a los vecinos un lugar para cultivar, conocerse y aprender habilidades prácticas. | Ofrecen a los vecinos un lugar para cultivar, conocerse y aprender habilidades prácticas. |
| División con guion | algo co- mún | algo común |
| Ligaduras | un beneficio, espacio flexible | un beneficio, espacio flexible |
| Números de página | Page 2 of 3 / – 14 – / xii | eliminados |
| Encabezado repetido | REVISTA CIUDADES VERDES – NÚMERO DE PRIMAVERA (en cada página) | eliminados |
| Caracteres invisibles | guiones suaves, espacios de ancho cero, espacios de no separación | eliminados o convertidos en espacios normales |
| Listas | • verduras frescas • herramientas compartidas | se mantienen en líneas separadas |
Consejos para copiar texto de un PDF
- Diseños a dos columnas: selecciona una columna cada vez. Si seleccionas ambas columnas, muchos lectores intercalan líneas de la columna izquierda y derecha, algo que ningún limpiador puede desenredar del todo.
- Tablas y código: cambia la detección de párrafos a Solo líneas en blanco o desmarca Unir líneas cortadas, para que no se fusionen las filas ni las líneas de código.
- Notas al pie: el texto de las notas al pie suele quedar al final del texto de cada página. Quítalo a mano o marca Quitar marcas de cita para eliminar del texto principal los números de referencia entre corchetes como [12].
- Documentos completos: para extraer todas las páginas a la vez, usa primero PDF a texto y luego pega el resultado aquí.
Por qué el texto de un PDF se comporta así
El PDF se diseñó para reproducir exactamente una página impresa. Dentro del archivo, el texto es una serie de glifos colocados en coordenadas, sin registro de dónde empiezan los párrafos ni de qué guiones añadió el maquetador. Por eso, copiar y pegar recrea las líneas a partir de las posiciones y adivina los espacios. Por eso también acaban en tu portapapeles las ligaduras, los guiones suaves y los encabezados que se repiten en cada página. La limpieza revierte los efectos más comunes con reglas que analizan la longitud de las líneas, la puntuación y las repeticiones.
Preguntas frecuentes
¿Por qué el texto copiado de un PDF tiene saltos de línea por todas partes?
Un PDF guarda el texto como líneas colocadas en una página, no como párrafos continuos. Al copiarlo, la mayoría de los lectores de PDF añaden un salto de línea al final de cada línea impresa, así que el texto conserva el ancho de columna de la página. Esta herramienta vuelve a unir esas líneas y solo conserva los saltos donde realmente termina un párrafo.
¿Cómo sabe dónde termina un párrafo?
Las líneas en blanco siempre terminan un párrafo. En el modo Inteligente, una línea que termina en punto, signo de interrogación, signo de exclamación o dos puntos y que es claramente más corta que una línea típica también se trata como la última línea de un párrafo, porque los párrafos impresos suelen terminar antes del margen derecho. Los títulos cortos y los elementos de listas con viñetas o numeradas se mantienen en líneas separadas.
¿Romperá palabras que llevan guion de verdad?
Un guion al final de una línea solo se quita cuando la línea siguiente empieza con minúscula, que es como aparecen los guiones de división de palabras (com- mon pasa a common). Los compuestos que empiezan por self, well, half y cross conservan su guion, y los guiones entre números como 1990-1995 se mantienen. Revisa los compuestos poco comunes, ya que un PDF no distingue entre los dos tipos de guion.
¿Qué son las ligaduras y por qué aparecen?
Las ligaduras son caracteres únicos que combinan letras, como fi, fl y ff. Los programas de maquetación las usan para que el texto impreso se vea mejor, pero al copiarlas pueden aparecer como un carácter extraño o estropear la búsqueda y el corrector ortográfico. La herramienta las reemplaza por las letras normales fi, fl, ff, ffi y ffl.
¿Cómo se detectan los encabezados y pies de página?
Los encabezados y pies de página se repiten en cada página, a menudo con un número de página que cambia. La herramienta busca líneas cortas que aparecen al menos tres veces (puedes cambiar el umbral), tratando todos los dígitos como iguales, y las elimina. Las líneas eliminadas se muestran en una lista para que compruebes que no se quitó nada importante.
¿Funciona con PDF escaneados?
Solo si el PDF ya contiene texto seleccionable. Si no puedes seleccionar palabras en tu lector de PDF, las páginas son imágenes; pásalas primero por una herramienta de OCR como Imagen a texto y luego limpia el resultado aquí.
¿Se sube mi texto?
No. Toda la limpieza se hace en tu navegador con JavaScript. El texto no se envía a ningún sitio ni se guarda; solo se recuerdan tus opciones en tu dispositivo.
¿Se prueban todas las herramientas de FreeToolCabin para comprobar su calidad y precisión?
Sí. Cada herramienta del sitio pasa pruebas automáticas en navegadores reales para comprobar que el resultado es correcto y que no hay errores. Si encuentras un fallo o tienes una sugerencia, escríbenos a [email protected] y lo revisaremos.