Cómo copiar texto de un PDF (y arreglar el texto que se pega mal)
Para copiar texto de un PDF, ábrelo en un visor que permita seleccionar texto, arrastra sobre el fragmento y cópialo como harías en una página web. Si el texto pegado sale con líneas cortadas o caracteres raros, es lo normal en un PDF y se arregla fácilmente. Si no puedes seleccionar nada, lo más probable es que el PDF sea un escaneo y necesites antes un reconocimiento de texto (OCR).
Puedes abrir el artículo en el visor integrado de tu navegador o en el Visor de PDF de Opener, que te permite seleccionar y copiar texto sin subir el archivo a ningún sitio.
Seleccionar y copiar el fragmento
- Abre el PDF en un visor que permita seleccionar texto: un navegador, Vista Previa en macOS o el Visor de PDF.
- Amplía la página para ver con claridad dónde empieza y dónde termina el fragmento. Empezar la selección a mitad de una palabra es la causa más habitual de las citas copiadas a medias.
- Haz clic justo antes de la primera palabra y arrastra hasta el final del fragmento. Para seleccionar un bloque más largo, haz clic al principio, desplázate y luego mantén pulsada la tecla Mayús y haz clic al final; funciona en muchos visores.
- Copia con Ctrl+C (Cmd+C en Mac) y pégalo en tus apuntes.
Los artículos a dos columnas son los que dan más guerra. Según cómo se haya generado el PDF, la selección puede saltar de la columna izquierda a la derecha o arrastrar un encabezado de página o una nota al pie en medio. Copia una columna cada vez y, si sigue saltando, copia trozos más pequeños y únelos después.
Antes de cerrar el archivo, apunta el número de página de la cita. Para citar necesitas el número impreso en la página de la revista, que a menudo no coincide con el número de página que muestra tu visor.
Por qué el texto pegado sale roto
Un PDF está pensado para imprimirse, no para editarse. Guarda la posición de cada carácter en la página, no cómo encajan las frases y los párrafos. Al copiar, el visor tiene que adivinar esa estructura, y no siempre acierta.
- Saltos de línea en mitad de las frases. Cada línea impresa termina con un salto forzado, así que un párrafo citado llega como una pila de líneas cortas.
- Palabras partidas con guion. Las palabras divididas entre dos líneas, como «experi-» y «mento», siguen partidas y con el guion.
- Caracteres raros o que faltan en «fi» y «fl». Muchas fuentes dibujan estas parejas como un único glifo combinado llamado ligadura. Algunos PDF las pegan como un carácter especial, un recuadro o directamente nada, y «final» se convierte en «nal».
- Texto completamente ilegible. Si el texto se ve bien en pantalla pero se pega como símbolos al azar, la fuente del PDF no tiene una correspondencia correcta entre sus glifos y las letras reales. El visor puede dibujar las formas, pero no sabe qué letras son. Ningún visor puede arreglarlo de forma fiable. Trata el archivo como un escaneo y usa OCR, o vuelve a escribir la cita.
- Espacios de más o palabras pegadas. El texto justificado y un interletrado ajustado pueden confundir el cálculo de los espacios.
Las fórmulas matemáticas, los símbolos especiales y los alfabetos no latinos tienen más probabilidades de salir mal, así que revísalos carácter a carácter.
PDF escaneados: no hay texto que copiar
Si al hacer clic y arrastrar aparece un recuadro o se selecciona toda la página como una sola imagen, el PDF está hecho de imágenes: normalmente un escaneo o una foto de páginas impresas. Parece texto, pero no lo contiene. Opener puede mostrar estos archivos, pero no hace OCR, y tampoco lo hacen la mayoría de los visores básicos.
Para sacar el texto necesitas reconocimiento óptico de caracteres:
- Google Drive y Documentos de Google. Sube el PDF a Google Drive y ábrelo con Documentos de Google. Documentos intenta reconocer el texto y crea un documento editable. Funciona mejor con escaneos limpios y rectos; revisa el resultado con cuidado.
- El reconocimiento de texto de tu teléfono. Los iPhone recientes (Texto en vivo) y los teléfonos Android (Google Lens) pueden reconocer texto en una foto o en la pantalla. Abre la página, amplía el fragmento y usa la función de selección de texto del teléfono, o haz una captura de pantalla y reconoce el texto a partir de ella.
- Programas de escritorio con OCR. Algunos editores de PDF y aplicaciones de escaneo incluyen OCR. La biblioteca de tu universidad también puede darte acceso a este tipo de herramientas.
El OCR se equivoca, sobre todo con la letra pequeña, las tipografías antiguas, las notas al pie y las fórmulas. Compara siempre el texto reconocido con la página antes de citarlo.
Cuando un PDF no te deja copiar
Algunos PDF se abren con normalidad, pero no te dejan seleccionar ni copiar texto. El autor o la editorial ha puesto restricciones de permisos en el archivo. Estas marcas pueden bloquear la copia, la impresión o la edición sin impedir la lectura. Cada aplicación las aplica con más o menos rigor, pero la restricción refleja la voluntad de la editorial y puede estar ligada a las condiciones de la licencia.
Para una cita académica breve, las opciones más sencillas son:
- Escríbela a mano. Para una o dos frases es rápido y evitas todos los problemas de formato.
- Busca otra versión. El mismo artículo suele estar disponible en la base de datos de tu biblioteca, en la web de la revista o en un repositorio, como PDF sin restricciones o como página HTML.
- Pregunta. Los autores suelen enviar encantados una copia de su propio artículo.
Citar un fragmento breve con su referencia es una práctica académica normal. Copiar partes extensas de un documento restringido es otra cosa, así que consulta las normas de tu centro si tienes dudas.
Limpiar el texto pegado
Unos pocos hábitos convierten un pegado desastroso en una cita limpia en segundos:
- Pega sin formato. Muchas aplicaciones tienen una opción para pegar como texto sin formato, a menudo con Ctrl+Mayús+V. Así se descartan las fuentes y los tamaños del PDF y la cita encaja con tu documento.
- Une las líneas. En Word, «Buscar y reemplazar» puede localizar las marcas de párrafo con
^p. Sustitúyelas por un espacio para fundir un párrafo en una sola línea. Otros editores tienen opciones parecidas, a veces con expresiones regulares. Hazlo solo en la cita, no en todo el documento. - Arregla los guiones. Busca un guion seguido de un salto de línea y elimina ambos; después vuelve a leer, porque algunos guiones son legítimos («hispano-francés»).
- Revisa ligaduras y símbolos. Busca «fi», «fl» y «ff» que falten, recuadros extraños y comillas que se hayan convertido en otros caracteres.
- Compara con el original. Lee la cita pegada frente al PDF una vez, palabra por palabra. Lleva un minuto y es la única forma de detectar una palabra que ha desaparecido sin avisar.
Si el PDF ni siquiera se abre, empieza por qué hacer cuando un PDF no se abre.
Preguntas frecuentes
¿Por qué veo el texto pero no puedo seleccionarlo?
Casi seguro que el PDF es un escaneo o está hecho de imágenes. No hay capa de texto, solo una imagen del texto. Usa OCR, por ejemplo con Documentos de Google o con el reconocimiento de texto de tu teléfono.
¿Por qué el texto copiado tiene saltos de línea por todas partes?
Los PDF guardan cada línea impresa por separado, así que los finales de línea vienen incluidos al copiar. Pega como texto sin formato y sustituye los saltos de línea por espacios.
¿El Visor de PDF de Opener hace OCR?
No. El Visor de PDF te permite seleccionar y copiar texto en los PDF que contienen texto real. Los PDF escaneados se ven bien, pero necesitarás una herramienta de OCR para sacarles el texto.
¿Puedo copiar texto de un PDF protegido?
La restricción es decisión de la editorial. Para una cita breve, escribirla a mano con su referencia es lo normal; para algo más extenso, busca una versión sin restricciones o pídesela al autor.