Estrattore di testo da PDF (Gratis, copia o salva il contenuto di un PDF testuale)

Strumento gratuito per estrarre il testo contenuto in un PDF e trasformarlo in testo semplice. Nessun caricamento su server: tutto avviene nel tuo browser, con la possibilità di copiare il risultato o scaricarlo come file .txt con un clic.

Cos'è l'estrazione del testo da un PDF

Estrarre il testo da un PDF significa recuperare i caratteri incorporati nel file e trasformarli in testo semplice, selezionabile, copiabile e ricercabile come qualsiasi altro documento. Torna utile quando ricevi un contratto, un articolo o un rapporto in formato PDF ma ti serve solo il contenuto scritto, magari per incollarlo in un altro documento, in un'email, oppure per farlo riassumere o tradurre da uno strumento di intelligenza artificiale.

Questo strumento legge le coordinate dei caratteri memorizzate all'interno del PDF, individua dove iniziano e finiscono righe e parole, e ricostruisce il tutto come testo semplice. L'intera elaborazione avviene sul tuo dispositivo, quindi il contenuto del file non lascia mai il tuo browser. C'è però un limite importante: funziona solo con i PDF nati come documenti testuali, cioè esportati da Word, PowerPoint, una pagina web o software simili. Un PDF ottenuto scansionando un foglio di carta non contiene dati testuali veri e propri, e da esso non è possibile estrarre nulla con questo metodo.

Come estrarre il testo da un PDF

Scegli un PDF Trascina il file nel riquadro, oppure fai clic per selezionarlo dal tuo dispositivo.
L'estrazione parte da sola Non appena selezioni il file, il testo viene estratto automaticamente pagina dopo pagina, nell'ordine originale.
Controlla il risultato Nel riquadro sottostante trovi il testo di tutte le pagine, unito in un unico blocco.
Copia o salva il testo Usa «Copia il testo» per metterlo negli appunti, oppure «Scarica come .txt» per salvarlo come file.

Consigli per sfruttarlo al meglio

Gli a capo nel risultato possono seguire l'impaginazione originale del PDF, comprese colonne e tabelle. In un documento a due colonne il senso delle frasi può mescolarsi a metà riga: dai sempre una scorsa al testo estratto prima di usarlo.
Un PDF ottenuto scansionando un documento cartaceo non contiene dati testuali, quindi questo strumento non può estrarne il contenuto. In quel caso serve uno strumento con supporto OCR (riconoscimento ottico dei caratteri).
La formattazione — titoli, grassetto, colori — non viene mantenuta. Se ti serve conservare anche lo stile del documento, valuta uno strumento di conversione che preservi il formato.
Se prima di estrarre il testo devi selezionare o riordinare le pagine, farlo con l'organizzatore di pagine PDF ti fa risparmiare tempo.
Se invece ti serve trasformare le pagine del PDF in immagini, usa il convertitore da PDF a immagine.

Quando conviene estrarre il testo da un PDF

Citare un passaggio di un articolo o di un rapporto

Trasformando il PDF in testo semplice puoi copiare solo il paragrafo che ti interessa, cosa spesso scomoda direttamente nel visualizzatore PDF.

Far riassumere o tradurre il contenuto da uno strumento di IA

Molti strumenti di traduzione o chatbot non accettano un PDF come file, ma funzionano bene se incolli il testo semplice estratto.

Cercare una clausola specifica in un contratto

Salvando il risultato come file .txt puoi usare la funzione di ricerca del tuo editor di testo per trovare subito il punto che ti interessa.

Recuperare il contenuto di un vecchio documento

Un vecchio PDF testuale, non scansionato, può essere trasferito facilmente in un nuovo formato di documento partendo dal solo testo.

Termini legati all'estrazione del testo da PDF

PDF testuale: Un PDF esportato da Word, PowerPoint o software simili, in cui i caratteri sono memorizzati come dati testuali con relative coordinate. Solo questo tipo di PDF può essere elaborato da questo strumento.
PDF basato su immagine (PDF scansionato): Un PDF creato scansionando un documento cartaceo o fotografandolo: visivamente sembra testo, ma in realtà è una singola immagine. Non contenendo dati testuali, non può essere elaborato da questo strumento.
OCR (riconoscimento ottico dei caratteri): Una tecnologia che riconosce la forma dei caratteri presenti in un'immagine e li converte in dati testuali. Serve per estrarre il testo da un PDF basato su immagine.
Testo semplice (plain text): Dati composti dai soli caratteri, privi di qualsiasi formattazione come colore, grassetto o font. È il formato in cui questo strumento restituisce il risultato.
File .txt: Un file di testo semplice con estensione «.txt», apribile praticamente da qualsiasi sistema operativo o applicazione. È un formato di salvataggio universale.

Domande frequenti

No, non viene mai caricato. Sia la lettura del PDF sia l'estrazione del testo avvengono interamente nel tuo browser, quindi il contenuto del file non viaggia mai in rete.

No. Un documento scansionato appare come testo ma, dal punto di vista dei dati, è un'unica immagine priva delle informazioni sulle coordinate dei caratteri che questo strumento legge. Per questo tipo di PDF serve uno strumento con supporto OCR (riconoscimento ottico dei caratteri).

Un PDF è essenzialmente un insieme di istruzioni che indicano «questo carattere va posizionato qui», e non possiede una struttura di paragrafi chiara come in Word. Nei documenti con tabelle o colonne multiple, l'ordine di lettura previsto e l'ordine con cui i dati vengono estratti possono non coincidere.

Un PDF che richiede una password per essere aperto non può essere letto da questo strumento. Rimuovi prima la password dal file.

Questo strumento gestisce un file alla volta. Per elaborare più PDF, seleziona di nuovo un file dopo aver completato l'estrazione di quello precedente.

A margine — come viene memorizzato davvero il testo dentro un PDF

Quando apri un PDF il testo appare nitido e leggibile, e viene naturale immaginare che al suo interno sia conservato un vero e proprio «documento» fatto di frasi e paragrafi. In realtà non è così. Un PDF eredita l'impostazione del PostScript, il linguaggio nato nell'industria della stampa, e al suo interno non trovi altro che una lunga sequenza di istruzioni di disegno: «disegna questo carattere, con questo font, a queste coordinate». Non esiste il concetto di paragrafo, e nemmeno quello di riga: c'è solo la posizione di ogni singolo carattere.

Ciò che fa questo strumento è proprio ricostruire l'ordine originale delle frasi a partire da questo insieme di coordinate. I caratteri che condividono la stessa altezza (la stessa coordinata verticale) vengono considerati parte della stessa riga, e le righe vengono poi unite individuandone i punti di interruzione, fino a ottenere un testo semplice leggibile da una persona. Nei documenti con un'impaginazione visivamente naturale ma con coordinate disposte in modo complesso — come un articolo di rivista a due colonne — questa ricostruzione può fallire, mescolando il senso delle frasi a metà riga.

Capire questo meccanismo aiuta anche a rispondere a una domanda comune: perché copiare e incollare da un PDF produce spesso un risultato disordinato? A differenza di un documento Word o di una pagina web, che conservano fin dall'inizio una struttura fatta di paragrafi, titoli e tabelle, il PDF nasce con l'unico obiettivo di riprodurre fedelmente l'aspetto visivo della pagina. Qualsiasi tentativo di ricavarne il significato a partire dalla disposizione dei caratteri resta, per sua natura, un'operazione di ricostruzione a posteriori. Per questo motivo conviene sempre dare una rapida rilettura al testo estratto prima di utilizzarlo.

Vedi tutte le curiosità