PDF para texto puro: como copiar sem as quebras de linha
Por que o texto copiado de um PDF quebra no meio da frase, como a conversão junta as linhas de cada parágrafo e como limpar as marcas para ficar só com o texto.
Para copiar texto de um PDF sem as quebras de linha, converta o arquivo para Markdown com a ferramenta de PDF para Markdown. Ela junta as linhas de cada parágrafo numa só, desfaz o hífen de palavra quebrada no fim da linha e mantém títulos e listas. O resultado é texto pronto para colar, com as marcas leves que você pode remover.
Por que o PDF quebra as linhas
Um PDF não tem parágrafos. Ele guarda pedaços de texto com coordenadas na página, e cada linha que você vê é uma posição separada. Quando você seleciona e copia, o programa segue essa estrutura e coloca uma quebra no fim de cada linha visual. Por isso a frase que ocupa quatro linhas na tela chega colada em quatro linhas, mesmo sendo um único parágrafo.
Um conversor precisa reconstruir o que é parágrafo a partir dessas posições. Ele faz isso comparando a distância vertical entre as linhas com o tamanho da letra, e observando mudanças de fonte, de recuo e a pontuação do fim das linhas. Quando a distância é pequena e a fonte é a mesma, as linhas são do mesmo parágrafo.
Como o conversor junta as linhas
Dentro de um parágrafo, cada quebra de linha vira um espaço. Se a palavra foi partida com hífen no fim de uma linha, por exemplo “concor-” seguido de “rência” na linha de baixo, o hífen é retirado e a palavra volta inteira. Esse caso é o mais comum em textos justificados e em documentos acadêmicos.
Um novo parágrafo começa quando a distância vertical para a linha anterior é grande, quando o tamanho da letra muda, quando a linha começa mais à direita, ou quando a linha anterior é curta e termina em pontuação. Esses critérios são heurísticos. Um texto com recuo incomum ou com espaçamento irregular pode ser separado em mais parágrafos do que deveria.
Tabela: o que esperar de cada tipo de texto
| Situação | Resultado no Markdown | O que fazer |
|---|---|---|
| Parágrafo comum em PDF digital | Uma linha só, sem quebras | Colar direto no editor |
| Palavra partida com hífen | Palavra inteira, sem o hífen | Conferir a palavra no trecho |
| Lista com marcadores | Itens que começam com um traço | Remover o traço se quiser só o texto |
| Títulos maiores que o texto | Linhas que começam com # | Apagar os # ou manter como título |
| Página escaneada | Texto vindo do OCR | Revisar erros de letras e acentos |
A tabela é o que costuma acontecer, não uma promessa para cada arquivo. Antes de usar o texto, leia o primeiro e o último parágrafo de cada página, porque é onde a separação automática mais erra. Para colar o texto no Notion, veja PDF no Notion: incorporar o arquivo ou importar o texto.
Passo a passo para copiar sem quebras
- Envie o PDF para a ferramenta de PDF para Markdown e espere a conversão terminar.
- Abra o arquivo .md num editor de texto, como o Bloco de Notas, o TextEdit ou o VS Code. O editor mostra as marcas, mas o conteúdo está ali.
- Se quiser só o texto, use a busca e substituição do editor para apagar os # no início das linhas e os asteriscos do negrito e do itálico.
- Cole o texto no destino final. Num processador de texto, prefira colar sem formatação, com Ctrl+Shift+V, para não trazer fonte e tamanho de volta.
Esse caminho dá um texto limpo, mas não é a única saída. Em alguns leitores de PDF, a seleção e a cópia já trazem parágrafos inteiros, e isso vale tentar primeiro quando o PDF é simples. Quando a cópia direta quebra a frase a cada linha, a conversão resolve. Em um script, as bibliotecas de Python devolvem o texto na ordem do arquivo (para Markdown, pymupdf4llm e Marker estão comparados em PDF para Markdown: biblioteca ou site), e extrair texto de PDF com Python mostra como lidar com colunas e hífens.
Quando não funciona bem
Um PDF com duas colunas de texto pode ter a ordem de leitura trocada, se o espaço entre as colunas não for claro. Um PDF com notas de rodapé e cabeçalho repetido também pede conferência, porque o cabeçalho pode aparecer no meio de um parágrafo. E um PDF que é uma imagem inteira, sem texto, depende do OCR, que erra mais do que a leitura de texto digital.
Os caracteres que o Markdown usa como marcação, como asterisco, sublinhado e colchetes, saem com uma barra invertida antes, para não virarem formatação; apague a barra ao colar, se ela aparecer. Se o PDF não deixa selecionar ou copiar o texto, o guia sobre PDF protegido que não deixa copiar e o de texto copiado que sai embaralhado tratam dos dois casos. O uso do arquivo em chat de IA está em converter PDF em Markdown para IA. Para um PDF escaneado, o guia sobre não consigo copiar texto do PDF escaneado explica como saber se o arquivo tem texto digital. Para entender por que alguns PDFs são vetoriais e outros são imagens, o guia PDF vetorial ou de imagem mostra o teste rápido.
Perguntas frequentes
Por que o texto copiado do PDF vem com quebra de linha no meio da frase?
Porque o PDF guarda cada linha visual como uma peça separada, e o programa que copia o texto preserva essas quebras. A frase inteira existe no arquivo, mas a posição de cada linha força uma quebra quando você cola. Uma conversão que reconhece o parágrafo junta essas linhas numa só, e é esse o caminho para copiar sem quebras.
Dá para converter PDF em arquivo .txt sem nenhuma formatação?
A ferramenta do AjustaPDF gera Markdown, não .txt. O Markdown tem marcas leves como #, - e **, que um editor de texto mostra como texto comum. Para ficar só com o texto, substitua essas marcas no editor, ou cole o conteúdo num arquivo .txt, que não guarda formatação.
O Markdown que sai do PDF mantém tabelas e títulos?
Mantém títulos, listas, negrito, itálico, links e tabelas simples, em formato de barras verticais. Imagens não entram, porque um arquivo .md não carrega imagens. Antes de cada página vem um comentário com o número dela, que aparece só para quem lê o código do arquivo.
Por que o texto de um PDF escaneado sai com erros ao copiar?
Porque o PDF escaneado não tem texto, só imagem de página. A ferramenta faz OCR nas páginas sem texto antes de converter, em português e inglês, e o resultado depende da qualidade da digitalização. Letras borradas, papel torto e fontes muito pequenas aumentam os erros, e vale conferir o trecho copiado com o original.