No puedo copiar el texto de un PDF: causas y soluciones
Por el equipo de FreePDF ·
Arrastras el cursor sobre un párrafo y no se selecciona nada. O se selecciona, pero la opción Copiar está en gris. O pegas y sale una ristra de símbolos que parece un archivo dañado. O las palabras llegan bien, pero cada línea acaba con un salto de párrafo. Son cuatro problemas distintos, cada uno con su causa y su solución.
Averigua cuál es el tuyo
- Al hacer clic se selecciona la página entera como un bloque, o no se selecciona nada: la página es una imagen, casi siempre un escaneo.
- El texto se marca pero Copiar aparece en gris, o el lector avisa de que no se permite copiar: el archivo tiene restricciones de permisos. Suele indicarlo la pestaña Seguridad de las propiedades del documento.
- Copiar funciona, pero lo que pegas no tiene sentido: hay un problema con las fuentes dentro del PDF.
- Lo pegado es correcto, pero el formato queda hecho un lío.
Es una página escaneada
Un escáner genera una foto del papel. Tú puedes leer las palabras, pero el archivo solo sabe de píxeles, así que no hay nada que seleccionar ni buscar. El OCR lee las letras de la imagen y añade una capa de texto invisible detrás de cada página. La página se ve exactamente igual que antes, y ahora puedes seleccionar, copiar y buscar.
Nuestro OCR solo reconoce inglés. En un documento en español leerá la mayoría de palabras, pero la ñ y las vocales con tilde pueden perderse o cambiarse por otras letras, así que «contraseña» puede salir como «contrasena». Un escaneo nítido, recto y con buen contraste da resultados mucho mejores que una foto torcida con el móvil. En cualquier caso, revisa las cifras y los nombres.
El archivo no deja copiar
Un PDF puede llevar dos tipos de contraseña. Una impide abrirlo. La otra, la contraseña de permisos, deja que cualquiera lo abra pero pide al lector que bloquee la copia, la impresión o la edición. Esa es la que está detrás de un Copiar en gris.
Si el documento es tuyo, o su propietario te ha autorizado a reutilizar el texto, súbelo a Desbloquear PDF y recibirás una copia sin la protección. Si el archivo se abre sin pedir contraseña, deja el campo vacío: un PDF que solo tiene restricciones de permisos se abre así. Si no es tuyo ni tienes permiso, pide a quien te lo envió una versión sin restricciones. En informes con licencia o exámenes, las restricciones suelen estar puestas a propósito.
Al pegar salen caracteres sin sentido
Dentro de un PDF, el texto se guarda como códigos que apuntan a formas de una fuente incrustada. Para convertir esos códigos otra vez en letras, el lector necesita una tabla de correspondencias dentro del archivo. Algunos programas no la incluyen o usan una codificación propia, así que la página se ve perfecta pero al copiar te llegan los códigos en bruto. Cambiar de lector rara vez ayuda, porque esa información sencillamente no está en el archivo.
El OCR lo esquiva, porque lee las formas y no los códigos. Pero hay una pega: nuestro OCR se salta las páginas que ya tienen texto para no duplicar nada, y una página con caracteres sin sentido cuenta como página con texto. Primero tienes que convertir las páginas en imágenes puras:
- Convierte el PDF con PDF a PNG, en Alta (300 PPP).
- Vuelve a juntar esos PNG en un PDF con PNG a PDF, añadiéndolos en el orden de las páginas.
- Pasa el archivo nuevo por OCR PDF.
El resultado es un PDF tipo escaneo con una capa de texto como es debido. Pesa más que el original y el texto ya no es vectorial, así que guarda el original para leer y usa la copia con OCR para copiar.
El texto está bien, pero los saltos de línea no
Un PDF no sabe lo que es un párrafo. Guarda líneas colocadas en posiciones de la página, así que al copiar cada línea termina con un salto, y una palabra partida con guion entre dos líneas sigue partida. Copiar así una docena de páginas supone mucho seleccionar a mano.
PDF a Texto saca el texto de todas las páginas a un único .txt, con una línea en blanco entre página y página. Los saltos de línea siguen ahí, pero solo tienes que limpiarlos una vez. En Word, abre Reemplazar, marca «Usar caracteres comodín» y busca ([a-záéíóúñü,])^13 para reemplazarlo por \1 seguido de un espacio. Así se unen las líneas que terminan en minúscula (con o sin tilde) o en coma, y se respetan casi todos los finales de párrafo reales, que acaban en punto.
Preguntas frecuentes
¿Por qué la búsqueda no encuentra palabras que veo en la página?
Por las mismas causas que impiden copiar. En un escaneo no hay texto que buscar, y en un archivo con la fuente rota la búsqueda persigue letras que están guardadas como otros códigos. Después del OCR, la búsqueda funciona con normalidad, aunque en español conviene buscar también la palabra sin tilde.
¿Está bien quitar las restricciones de copia?
En tus propios archivos, sí. En los de otra persona, solo con su permiso, y lo más sencillo suele ser que te pase ella misma una copia sin restricciones. Nuestra herramienta Desbloquear PDF no adivina ni descifra contraseñas: trabaja con la que ya tienes.