PDF in testo — estrarre il testo da un PDF, senza caricare file

Estrai il testo da un PDF (copia o scarica in .txt)

Aggiornato il 15 ottobre 2026

Aggiungi un PDF qui sotto e il suo testo compare nel riquadro, riga per riga così com'è sulla pagina. Copialo o scaricalo come file .txt. Le opzioni aggiungono un'intestazione per pagina e riuniscono le parole sillabate a fine riga. Il testo viene letto da PDF.js nella memoria del tuo browser; il file non viene mai caricato.

Funziona interamente nel tuo browser: i tuoi file non vengono mai caricati da nessuna parte.

Come estrarre il testo da un PDF

Aggiungi il PDF. Tocca Scegli PDF o trascina il file sulla pagina. Se è protetto da password, digitala e tocca Apri.
Lascia che legga le pagine. Gli elementi di testo di ogni pagina vengono letti e ricostruiti in righe in base alle loro posizioni. Una barra di avanzamento mostra la pagina in corso.
Regola l'output. Spunta Una pagina per sezione per avere un'intestazione sopra ogni pagina, e Rimuovi sillabazione per riunire le parole spezzate a fine riga. Il riquadro si aggiorna subito.
Copia o scarica. Tocca Copia testo per metterlo negli appunti, oppure Scarica .txt per salvare un file di testo semplice con il nome del PDF.

Cosa fa

Estrae l'intero livello di testo di un PDF, mantenendo interruzioni di riga e spazi tra i paragrafi come appaiono sulla pagina
Una pagina per sezione: aggiunge un'intestazione «Pagina 3 di 12» sopra il testo di ogni pagina
Rimuovi sillabazione: riunisce le parole spezzate a fine riga (docu- / mento → documento)
Copia negli appunti con un tocco, o scarica come file .txt in UTF-8
Ti avvisa quando un PDF non ha un livello di testo (una scansione) e rimanda allo strumento OCR invece di restituire un file vuoto
Funziona interamente sul tuo dispositivo: l'unica richiesta di rete scarica la libreria open source PDF.js

Cosa estrae lo strumento?

Una pagina PDF è un elenco di istruzioni di disegno. Quando il file è stato creato da un documento digitale (un file Word, una pagina web, un'email), quelle istruzioni includono un livello di testo: i caratteri stessi più la posizione di ogni frammento sulla pagina. PDF.js legge quel livello e lo riporta come elementi di testo posizionati (la sua API getTextContent). Questo strumento ricostruisce righe leggibili da quegli elementi e ti consegna il risultato come testo semplice. Se il PDF è una scansione, non c'è un livello di testo e niente da estrarre; lo strumento lo dice e ti manda all'OCR invece di consegnarti un file vuoto.

Come vengono ricostruite le righe?

Regola	Cosa fa	Perché
Stessa linea di base → stessa riga	Gli elementi di testo la cui posizione verticale differisce di meno di metà dell'altezza del glifo vengono uniti in una riga, da sinistra a destra	I generatori di PDF spezzano una riga in molti elementi (per parola, per cambio di font, per coppia di crenatura)
Vuoto → spazio	Un vuoto orizzontale più largo di un quarto dell'altezza del glifo tra due elementi diventa un singolo spazio	Molti PDF non memorizzano mai i caratteri di spazio; il vuoto è l'unico indizio
Grande spazio verticale → riga vuota	Uno spazio di più di 1,6 altezze di riga tra le righe inserisce una riga vuota	Mantiene paragrafi e titoli visibilmente separati
Una pagina per sezione (opzione)	Aggiunge un'intestazione `===== Page n of N =====` prima di ogni pagina, pagine vuote comprese	Ti permette di ritrovare un passaggio nell'originale
Rimuovi sillabazione (opzione)	Unisce docu- + interruzione di riga + mento in documento quando entrambi i lati sono lettere minuscole; rimuove i trattini morbidi a fine riga	Il testo giustificato è pieno di trattini di fine riga che non fanno parte della parola

Quando il testo semplice è l'output giusto?

Per incollare una clausola di contratto, una lettera o una citazione in un'email, una nota o una casella di ricerca.
Per dare un documento a uno strumento di traduzione, a uno screen reader o a uno script di analisi del testo.
Per conservare una copia ricercabile accanto all'originale, o controllare cosa ha davvero riconosciuto l'OCR di uno scanner.
Per contare e citare: il contatore di parole PDF dà i numeri; questo strumento dà le parole.

Se ti serve l'impaginazione, usa il PDF stesso o converti le pagine in immagini con PDF in JPG. Se devi togliere qualcosa prima di condividere, Oscura PDF elimina il testo sottostante, non solo l'inchiostro.

Quali sono i limiti?

Solo il livello di testo. Una scansione senza OCR non dà nulla; una scansione con OCR dà l'output dell'OCR, errori compresi.
L'ordine di lettura è geometrico: dall'alto in basso, da sinistra a destra. Pagine a più colonne e tabelle possono mescolarsi.
Valori dei campi modulo, commenti, annotazioni, segnalibri e file allegati non fanno parte del testo della pagina e non vengono estratti.
I font con mappature Unicode rotte o mancanti (alcuni vecchi generatori di PDF, alcuni font di simboli) escono come caratteri illeggibili; è un difetto del file, e il comando copia di un lettore PDF mostra la stessa cosa.
Nessuna formattazione sopravvive: grassetto, corsivo, colori, link e immagini vengono scartati.

Domande frequenti

Il mio PDF viene caricato online?

No. PDF.js, il motore di rendering open source integrato in Firefox, apre il file dentro questa scheda del browser e riporta gli elementi di testo di ogni pagina. L'unica richiesta di rete scarica quella libreria. Il riquadro di testo, gli appunti e il download .txt sono tutti locali.

Perché il riquadro è vuoto o dice che il PDF sembra scansionato?

Un PDF scansionato è la fotografia di ogni pagina. Non c'è un livello di testo da estrarre, solo pixel. Lo strumento lo rileva (nessun testo su nessuna pagina) e ti indirizza allo strumento da immagine a PDF ricercabile, che esegue l'OCR nel browser e aggiunge un livello di testo che poi puoi estrarre qui.

Come vengono decise le interruzioni di riga?

I file PDF non memorizzano righe, solo frammenti di testo posizionati. Lo strumento raggruppa in una riga i frammenti che condividono la stessa linea di base, li ordina da sinistra a destra, inserisce uno spazio dove c'è un vuoto visibile e una riga vuota dove lo spazio verticale supera circa una riga e mezza. Questo riproduce bene i paragrafi normali; tabelle e testo in colonne possono uscire mescolati.

Cosa fa esattamente Rimuovi sillabazione?

Riunisce una parola che termina una riga con un trattino alla parola minuscola che inizia la successiva: «docu-» seguito da «mento» diventa «documento». Agisce solo quando entrambi i lati sono lettere minuscole, quindi nomi come Jean-Paul, codici come COVID-19 e un trattino a fine frase restano intatti. I trattini morbidi a fine riga vengono sempre rimossi.

Perché l'ordine è sbagliato in alcune pagine?

Pagine a più colonne, riquadri laterali, tabelle e testo che scorre intorno alle immagini sono disposti in due dimensioni, e lo strumento legge dall'alto in basso per linea di base. Due colonne alla stessa altezza diventano un'unica riga lunga. Per quelle pagine, copia il testo da un lettore PDF con selezione per colonne, oppure dividi prima la pagina.

Mantiene grassetto, corsivo, titoli o link?

No. L'output è testo semplice (.txt): niente font, dimensioni, colori, link o immagini. I titoli mantengono la loro riga e la riga vuota che segue, il che di solito basta per vedere la struttura.

E i PDF protetti da password e i file grandi?

I file che richiedono una password per aprirsi la chiedono; la password viene passata a PDF.js, che decifra in memoria. Le pagine vengono lette una alla volta e liberate prima della successiva, quindi i documenti lunghi funzionano, ma un libro di 1.000 pagine richiede un po' di tempo su un telefono e il riquadro di testo stesso diventa pesante oltre qualche megabyte: scarica invece di scorrere.