Conversor de PDF a texto estructurado Markdown

Copiar texto de un PDF suele salir mal: saltos de línea en sitios raros, páginas que no se dejan seleccionar y encabezados y pies mezclados con el cuerpo. Si quieres pasar un informe, artículo o especificación a Obsidian, Notion o GitHub, o pegarlo en una IA para resumirlo o traducirlo, extraer antes el texto limpio ahorra mucho tiempo. Esta herramienta lee la capa de texto del PDF en tu navegador y la devuelve página a página como texto plano, con un separador «--- Página N ---» al comienzo de cada una para localizar el contenido en el original.

Durante la extracción, el texto se ordena según su posición en la página, de arriba abajo y de izquierda a derecha, con un salto de línea cuando el espacio vertical se amplía claramente. Funciona bien con documentos normales de una columna. En artículos a dos columnas, maquetaciones tipo periódico o tablas complejas, el texto de ambas columnas a la misma altura puede unirse en una línea y necesitar algún retoque. La herramienta no detecta niveles de título, listas ni estructura de tablas: el resultado es texto en párrafos limpio que puedes editar en el cuadro de resultados y luego copiar o descargar como .md o .txt.

La limitación principal es que solo se lee el texto real del PDF. Un PDF creado escaneando o fotografiando páginas es en realidad una imagen por página, sin capa de texto que extraer, y esa página se marca como vacía; antes hace falta OCR (reconocimiento óptico de caracteres). Una prueba rápida: si en tu lector de PDF no puedes seleccionar texto con el ratón, probablemente es un escaneo. Algunos PDF con codificaciones de fuente poco habituales también pueden salir con caracteres ilegibles, un problema de las fuentes del archivo original.

Los PDF con contraseña de apertura la piden primero. Todo el proceso ocurre en tu navegador y el contenido nunca se sube, así que sirve para contratos y documentación interna. Para previsualizar el formato después, pega el resultado en nuestro editor de Markdown.