Extraer todo el texto de un PDF

1. Instala Ghostscript y qpdf

Se instala una sola vez y queda para siempre. Es gratis y de código abierto:

# macOS (Homebrew)
brew install ghostscript qpdf

# Ubuntu / Debian
sudo apt install ghostscript qpdf

Si nunca has usado la terminal, empieza por la guía de la terminal.

2. El comando exacto

Coloca el PDF en una carpeta, abre la terminal ahí y ejecuta esto. Todo el texto del documento queda volcado en un archivo de texto plano:

pdftotext documento.pdf texto.txt

Abre texto.txt con cualquier editor. El comando viene en poppler (brew install poppler en macOS, sudo apt install poppler-utils en Linux) y respeta el orden de lectura de las páginas.

Si no extrae nada, es un escaneo

Cuando el archivo de salida sale vacío, el PDF no contiene texto de verdad: es un escaneo, es decir, una imagen de las páginas. pdftotext no inventa lo que no existe como texto.

Tareas relacionadas

Preguntas frecuentes

¿Por qué mi PDF no devuelve nada de texto?

Casi siempre porque es un documento escaneado o exportado como imagen: aunque tú veas letras, para la computadora cada página es una fotografía sin texto seleccionable. La pista es que en el visor tampoco puedas seleccionar ni buscar una palabra. La salida es pasarlo por OCR antes de extraer.

¿Se conserva el formato del documento?

pdftotext extrae el texto, no el diseño: pierdes tipografías, columnas y tablas con formato, pero conservas el contenido en orden de lectura. Si necesitas mantener algo más de estructura, puedes probar la opción -layout, que respeta mejor la disposición en columnas del original.