Extraer texto de un PDF

Extraer texto es una API que saca todo el texto de un PDF, listo para buscar, analizar o guardar en una hoja de cálculo. Perfecto para procesar facturas, contratos o informes desde n8n, Make o Zapier, sin montar servidores.

Cómo funciona

Le mandas un PDF y te devuelve su texto en un JSON, junto con el número de páginas y los metadatos del documento (título, autor…). No guarda nada: se procesa al momento.

Ojo con los PDFs escaneados: si el PDF es una foto o un escaneo sin capa de texto (no puedes seleccionar el texto al abrirlo en tu ordenador), esta herramienta devuelve texto vacío: no da error, simplemente no hay texto que extraer. Para esos casos hace falta OCR, que esta herramienta no hace.

Lo único que necesitas

Tu API key. La creas en tu panel con "+ Crear llave". Se muestra una sola vez, así que cópiala y guárdala.
En tu plataforma de automatización, un paso de tipo "HTTP Request" / "Hacer una petición HTTP" (lo tienen n8n, Make, Zapier, Pipedream…).

Cómo usarlo en n8n (paso a paso)

Le envías tu PDF tal cual (como archivo binario) y te devuelve el texto en JSON. En el nodo HTTP Request:

Method: POST
URL: https://api.cofferdock.com/pdf-extract-text
Send Headers: actívalo y añade dos: x-api-key = tu llave, y Content-Type = application/pdf
Send Body: actívalo → elige la opción para mandar un archivo binario (en n8n: "n8n Binary File", con la propiedad binaria de tu PDF, normalmente data)

La respuesta ya es un JSON con el texto en text: puedes usarlo directamente en el siguiente paso (buscar una palabra, guardarlo en una hoja de cálculo, mandarlo a un modelo de IA…).

En Make (módulo HTTP → Make a request): mismo método y URL, en Headers las dos cabeceras, y el PDF como dato binario en el cuerpo.

Opciones (en Query Parameters o en el JSON)

Opción	Por defecto	Para qué sirve
`pages`	`false`	Ponlo en `true` para recibir además el texto separado por página.

Resumen de la API

Endpoint: POST https://api.cofferdock.com/pdf-extract-text
Auth: cabecera x-api-key: TU_LLAVE.
Entrada: el PDF va en el cuerpo como application/pdf (a pelo) o como application/json con { "file": "<base64>", "pages": true }.
Salida: SIEMPRE JSON (el resultado es texto, no un PDF): { text, num_pages, info, pages? }.
PDF sin capa de texto (escaneado): text: "", sigue siendo success: true y consume 1 crédito: no es un error.
Límites: PDF de entrada hasta 20 MB (50 MB en Business/Scale) en modo application/pdf, o ~4 MB reales en JSON con base64. 30 peticiones/min por IP. 1 extracción = 1 crédito.

Opciones

Opción	Por defecto	Descripción
`pages`	`false`	`true` añade `pages`: un array con el texto de cada página por separado.
`file`	-	Solo en modo JSON: el PDF en base64.

Ejemplos

curl (PDF a pelo):

curl -X POST "https://api.cofferdock.com/pdf-extract-text?pages=true" \
  -H "x-api-key: TU_LLAVE" \
  -H "Content-Type: application/pdf" \
  --data-binary @documento.pdf

JavaScript (Node 18+):

const fs = require('fs');
const r = await fetch('https://api.cofferdock.com/pdf-extract-text', {
  method: 'POST',
  headers: { 'x-api-key': 'TU_LLAVE', 'Content-Type': 'application/pdf' },
  body: fs.readFileSync('documento.pdf'),
});
const j = await r.json();
console.log(j.text);

Python:

import requests
r = requests.post(
    'https://api.cofferdock.com/pdf-extract-text',
    headers={'x-api-key': 'TU_LLAVE', 'Content-Type': 'application/pdf'},
    data=open('documento.pdf', 'rb').read(),
)
print(r.json()['text'])

Forma de la respuesta

{ "success": true,
  "text": "Factura 001\nTotal: 100 €\n…",
  "num_pages": 2,
  "info": { "Title": "Factura 001", "Producer": "Cofferdock" },
  "meta": { "size_bytes": 51204, "used": 12, "remaining": 488 } }

Con pages=true se añade además "pages": ["texto de la página 1", "texto de la página 2"].

Lo que recibes

Un JSON con el texto completo del PDF, el número de páginas y sus metadatos (título, autor…).