Reúne todos los enlaces clicables y todas las direcciones simplemente impresas en la página, con las páginas en las que están.
Extraer enlaces de un PDF
Reúne todos los enlaces clicables y todas las direcciones simplemente impresas en la página, con las páginas en las que están.
Las páginas se leen en esta pestaña y ninguna dirección se solicita jamás: nada se descarga, se sigue ni se informa fuera. Los PDF se quedan en tu dispositivo.
Un PDF guarda los enlaces en dos sitios que no tienen relación entre sí, y casi todas las exportaciones miran solo uno. Los enlaces clicables son anotaciones: un rectángulo con una acción detrás. Las direcciones impresas son simple texto: un www.example.com escrito en un folleto no es clicable en absoluto, y una URL larga suele partirse en dos líneas. Aquí se recogen las dos clases, las partidas se vuelven a unir, y una dirección que está impresa y además enlazada al mismo destino cuenta una vez en lugar de dos. Cada fila muestra la dirección, de qué clase de enlace se trata, las palabras bajo las que está y las páginas en las que aparece. Nunca se solicita nada: la lectura ocurre en tu dispositivo y las direcciones se informan exactamente como las guarda el documento.
Características
Las anotaciones clicables y las direcciones escritas en el texto, reunidas en una sola lista
Las direcciones partidas por un salto de línea se vuelven a unir antes de contarse
Los correos, los saltos a páginas internas y los enlaces que abren un archivo o un script se distinguen
El texto de ancla bajo cada rectángulo, para que veas cómo se etiquetó un enlace
Fusiona duplicados, filtra por clase o por dominio y ordena por página o por dominio
Varios PDF a la vez, con el archivo de origen conservado en cada fila
Exportaciones a CSV y a texto llano que llevan todas las filas, no solo las de la pantalla
Un aviso cuando un enlace abre un adjunto o ejecuta un script en lugar de una página web
Cómo usar Extraer enlaces de un PDF
Suelta uno o varios PDF sobre la página
Espera mientras se leen las anotaciones y la capa de texto de cada página
Filtra por clase o por dominio, o desactiva Fusionar duplicados para ver todas las apariciones
Copia la lista, o descárgala en CSV con los números de página
Los saltos internos son referencias a páginas, así que se quedan fuera de la lista de URL.
Errores comunes y solución de problemas
No se encontró nada en un documento lleno de direcciones. — Un escaneo no tiene capa de texto y normalmente tampoco anotaciones, así que no hay nada que leer. Pasa primero PDF con OCR y vuelve a extraer.
Un enlace de la lista está caído. — Las direcciones nunca se visitan, así que una URL caída o redirigida sigue apareciendo tal como está guardada. Comprobar si una resuelve es un paso aparte que das en un navegador.
Dos filas parecen la misma dirección. — Se diferencian en algo que importa. Al fusionar solo se ignoran el esquema, un www. inicial, las mayúsculas del host, los puertos por omisión, una barra final y un fragmento vacío; las cadenas de consulta y las rutas se conservan, porque apuntan a páginas distintas.
Una dirección impresa a caballo de un salto de línea salió truncada. — Se vuelve a unir cuando el corte parece parte de la dirección, tras un guion o una barra al estilo de una ruta. Un corte después de un punto cierra una frase, así que se deja tal cual; revisa la redacción de esa página.
Preguntas frecuentes
¿La extracción visita las direcciones o comprueba si funcionan?
No. No se solicita, resuelve ni expande nada, ni siquiera un enlace acortado. Cada dirección se informa tal como la guarda el documento, que es justo por lo que una URL caída sigue apareciendo en la lista.
¿Qué diferencia hay en los resultados entre un enlace clicable y un enlace de texto?
Un enlace clicable es una anotación que un lector puede activar. Un enlace de texto es una dirección escrita en la página que nadie hizo clicable nunca: se lee como un enlace sobre el papel, pero al pulsarlo no pasa nada.
¿Por qué algunas filas dicen «Archivo / lanzamiento» en vez de mostrar una dirección web?
Porque el enlace abre otro documento, un adjunto o un script en lugar de una página. Conviene leerlos con atención antes de confiar en un PDF que vino de fuera.
¿Puedo reunir los enlaces de una carpeta entera de informes de una vez?
Sí. Suelta los PDF juntos y cada fila conserva el archivo del que salió, así que un único CSV puede cubrir el lote y aún puedes ver a qué documento pertenece cada dirección.
¿Se incluyen los saltos a otras páginas dentro del documento?
Sí, resueltos a un número de página cuando es posible y al nombre del destino cuando no. Se dejan fuera de la lista de direcciones llanas, ya que «página 12» no es una URL.
Herramientas relacionadas
Inspector de PDF — Mira la versión de un PDF, sus tamaños de página, fuentes, imágenes, formularios, seguridad y normas.
PDF a texto — Extrae texto seleccionable de un PDF como texto plano o Markdown.