Um PDF guarda links em dois lugares sem relação entre si, e a maioria das exportações só olha para um. Links clicáveis são anotações — um retângulo com uma ação por trás. Endereços impressos são apenas texto: www.exemplo.com digitado num folheto não é clicável, e uma URL longa normalmente aparece quebrada em duas linhas. Os dois são reunidos aqui, os quebrados costurados de volta, e um endereço que está impresso e também linkado para o mesmo lugar conta uma vez em vez de duas. Cada linha mostra o endereço, o tipo de link, as palavras sobre as quais ele está e as páginas em que aparece. Nada é buscado em momento algum: a leitura acontece no seu aparelho e os endereços são relatados exatamente como o documento os guarda.
Recursos
Anotações clicáveis e endereços escritos no texto, reunidos numa lista só
Endereços quebrados entre linhas são reunidos antes de serem contados
E-mails, saltos internos de página e links que abrem um arquivo ou um script são distinguidos
O texto de âncora sob cada retângulo, para você ver como um link foi rotulado
Junte duplicatas, filtre por tipo ou por domínio, e ordene por página ou por domínio
Vários PDFs de uma vez, com o arquivo de origem em cada linha
Exportações em CSV e em texto simples que levam todas as linhas, não só as visíveis
Um aviso quando um link abre um anexo ou executa um script em vez de uma página da web
Como usar Extrair links de PDF
Solte um ou mais PDFs na página
Aguarde enquanto as anotações e a camada de texto de cada página são lidas
Filtre por tipo ou domínio, ou desligue Juntar duplicatas para ver cada ocorrência
Copie a lista, ou baixe em CSV com os números de página
Saltos internos são referências de página, então ficam fora da lista de URLs puras.
Erros comuns e solução de problemas
Nada foi encontrado num documento cheio de endereços. — Uma digitalização não tem camada de texto e normalmente nenhuma anotação, então não há nada a ler. Rode o OCR de PDF primeiro e extraia de novo.
Um link listado está morto. — Os endereços nunca são visitados, então uma URL morta ou redirecionada aparece exatamente como está guardada. Verificar se ela resolve é um passo separado, que você dá no navegador.
Duas linhas parecem o mesmo endereço. — Elas diferem em algum ponto que importa. Ao juntar, só o esquema, um www. inicial, a caixa do host, portas padrão, uma barra final e um fragmento vazio são ignorados — parâmetros de consulta e caminhos são mantidos, porque apontam para páginas diferentes.
Um endereço impresso atravessando uma quebra de linha saiu truncado. — Ele é reunido quando a quebra parece parte do endereço, depois de um hífen ou de uma barra de caminho. Uma quebra depois de um ponto final encerra uma frase, então é deixada em paz; confira a redação naquela página.
Perguntas frequentes
A extração visita os endereços ou testa se eles funcionam?
Não. Nada é buscado, resolvido ou expandido, nem mesmo um link encurtado. Todo endereço é relatado como o documento o guarda, que é exatamente por que uma URL morta ainda aparece na lista.
Qual a diferença entre um link clicável e um link de texto nos resultados?
Um link clicável é uma anotação que o leitor consegue ativar. Um link de texto é um endereço digitado na página que ninguém nunca tornou clicável — ele se lê como link no papel, mas tocá-lo não faz nada.
Por que algumas linhas dizem “Arquivo / execução” em vez de mostrar um endereço da web?
Porque o link abre outro documento, um anexo ou um script em vez de uma página. Vale ler esses com atenção antes de confiar num PDF que veio de fora.
Posso reunir os links de uma pasta inteira de relatórios de uma vez?
Sim. Solte os PDFs juntos e cada linha guarda o arquivo de onde veio, então um único CSV cobre o lote e você ainda vê a que documento cada endereço pertence.
Saltos para outras páginas dentro do documento são incluídos?
Sim, resolvidos para um número de página quando possível e para o nome do destino quando não dá. Eles ficam fora da lista de endereços puros, já que “página 12” não é uma URL.
Ferramentas relacionadas
Inspetor de PDF — Mostra a versão, os tamanhos de página, as fontes, as imagens, os formulários, a segurança e as normas de um PDF.
PDF para texto — Extraia texto selecionável de um PDF como texto puro ou Markdown.