PDF Get Text

Tipo: pdf-get-text · Paquete: PDF Activities v1.2.4 · Salida: string

Extrae todo el texto de un PDF, juntando el contenido de todas sus páginas en una sola cadena. Es la actividad central para leer documentos: facturas, contratos, reportes — y luego extraer datos concretos con expresiones regulares.

Cómo funciona

Lee el texto de cada página del PDF, en orden, y lo concatena separando las páginas con separator (por defecto, dos saltos de línea). Devuelve el resultado como un string. No modifica el archivo.

El texto sale en el orden en que el PDF guarda sus caracteres, que suele coincidir con el de lectura pero no siempre (columnas, tablas). Si necesitas saber dónde está cada dato en la página, usa PDF Get Words.

Parámetros requeridos

Parámetro	Tipo	Por defecto	Descripción
`path`	`string`	—	Ruta del archivo PDF.

Parámetros opcionales

Parámetro	Tipo	Por defecto	Descripción
`separator`	`string`	`"\n\n"`	Texto que se pone entre página y página. Por defecto, dos saltos de línea.

Salida

Devuelve un string con todo el texto del PDF. Un PDF escaneado (sin capa de texto) devuelve un texto vacío o casi vacío (solo los separadores), sin fallar.

Errores comunes

Mensaje	Causa y solución
`No se encontró el archivo.`	La ruta no existe.
`'path' es obligatorio.`	`path` quedó vacío o su expresión dio `null`.
Error de la biblioteca de PDF al abrir el archivo	PDF protegido con contraseña, dañado o que no es un PDF. Ver PDF protegidos y dañados.

Ejemplo

Extraer el total y el número de una factura:

PDF Get Text   path = rutaFactura   → output: texto
Set Variable   name = numero   value = regexFind(texto, "FAC-\d+")
Set Variable   name = total    value = regexFind(texto, "Total:\s*\$?([\d.,]+)")

Separar las páginas con una marca propia para trocear el texto después:

PDF Get Text   path = ruta   separator = "\n---PAGINA---\n"   → output: texto

Actividades relacionadas

PDF Get Text (Page) — extraer solo una página.
PDF Search Text — encontrar en qué página está un texto.
OCR Recognize File — para PDF escaneados, sobre las imágenes de PDF To Images.