PDF a Markdown
Convierte un PDF en Markdown con títulos, listas, tablas y enlaces. Cópialo o descarga un archivo .md. Tu archivo se queda en este dispositivo.
Las páginas escaneadas se omitirán, porque no tienen texto que copiar.
Leyendo tu PDF…
Todo se hace en tu dispositivo. No se sube nada.
0%
- Sin subidasTu archivo se queda en este dispositivo.
- Tu original no se tocaDescargas una copia nueva. Tu archivo no cambia.
- Gratis, sin registroSin cuenta y sin límite diario.
Qué pasa con tu archivo
Todo lo que se describe abajo ocurre en tu navegador, en tu propio dispositivo. El PDF no se sube, así que nadie más, ni siquiera nosotros, puede verlo.
- Tu navegador abre el PDF con pdf.js, el visor de PDF integrado en Firefox, y lee cada fragmento de texto con su posición, fuente, tamaño, negrita y cursiva.
- Los fragmentos de texto de una misma línea se unen en líneas, y las líneas en párrafos. Las palabras partidas con guion al final de una línea se vuelven a unir.
- Las páginas a dos o tres columnas se leen columna por columna, para que las frases de columnas distintas no se mezclen línea a línea.
- El texto claramente más grande que el cuerpo del texto se convierte en título: # para el título principal, ## y ### para las secciones. Las líneas cortas en negrita también se convierten en títulos.
- Las líneas que empiezan con una viñeta o un número se convierten en listas de Markdown. Las tablas dibujadas con líneas, y las filas alineadas con tabulaciones, se convierten en tablas de Markdown con una fila por línea.
- La negrita y la cursiva se conservan como **negrita** y *cursiva*. Los enlaces web del PDF se convierten en enlaces [texto](dirección) sobre las palabras que cubren.
- Los caracteres que significan algo en Markdown, como * _ # y [, se escapan con una barra invertida, para que se vean tal cual en lugar de convertirse en formato.
- Algunos PDF, a menudo los guardados desde un navegador web, marcan ciertos caracteres como “sin carácter”. En tailandés suelen ser tonos sobre las vocales. pdfMB los reconstruye a partir de las fuentes de tu archivo.
- Las páginas sin texto, como los escaneos, se pueden leer con el mismo motor de OCR que OCR PDF. Solo se descargan los datos de idioma, una sola vez.
- El archivo .md o .txt se crea en tu dispositivo como texto UTF-8 y se guarda directamente en tus descargas, o se copia al portapapeles.
- Elige un PDF
- Pulsa “Convertir a Markdown”
- Revisa la vista previa
- Cópialo o descarga el archivo .md
Cómo convertir un PDF a Markdown
- Elige un PDF o suéltalo en el recuadro. pdfMB lee cada página y te dice si hay páginas escaneadas sin texto.
- Si hay páginas escaneadas, deja activado “Leer el texto de las páginas escaneadas (OCR)” y elige el idioma del documento.
- Pulsa “Convertir a Markdown”. Una barra muestra cuánto falta.
- Revisa la vista previa. Puedes cambiar a texto sin formato, mantener o quitar los encabezados y pies de página, y marcar dónde empiezan las páginas. La vista previa se actualiza al momento.
- Pulsa “Copiar todo” para pegarlo en otro sitio, o descarga el archivo .md.
Por qué Markdown
Markdown es texto sin formato con unas pocas marcas para la estructura: # para los títulos, - para las listas, | para las tablas. Se abre en cualquier editor de texto y se lee bien incluso sin formato.
Las apps de notas como Obsidian y Notion, los wikis, GitHub y la mayoría de las herramientas de documentación leen Markdown directamente, así que los títulos y las tablas llegan como títulos y tablas.
Los chats de IA y los índices de búsqueda funcionan mejor con Markdown que con el texto en bruto de un PDF, porque los títulos y las tablas les indican cómo está organizado el documento. Puedes pegar el resultado directamente en un chat.
Cuándo se usa
Notas y wikis
Lleva un informe, un manual o un artículo a Obsidian, Notion, un wiki o un README de GitHub con sus títulos, listas y tablas intactos.
Chats de IA
Pega un PDF largo en un chat de IA como Markdown, para que vea las secciones y las tablas en lugar de un muro de texto.
Editar y citar
Saca el texto de un PDF para reescribirlo, traducirlo o citarlo, sin arreglar a mano las líneas cortadas.
Documentos en tailandés
Convierte PDF en tailandés, incluidos los guardados desde un navegador web, sin perder los tonos.
Lo que no puede hacer
- No incluye imágenes, gráficos ni dibujos. Markdown solo guarda texto. Usa PDF a JPG para guardar las imágenes.
- Las ecuaciones salen como texto sin formato, con los superíndices y subíndices como <sup> y <sub>.
- Las celdas combinadas se dividen en celdas normales, y las tablas sin ninguna línea ni tabulación salen como párrafos.
- Los títulos se detectan por el tamaño y el grosor del texto, así que un documento que usa la misma fuente para todo puede tener menos títulos.
- Los enlaces internos del documento, como los de un índice, no se conservan. Solo se conservan los enlaces a páginas web y direcciones de correo.
- Los idiomas que se escriben de derecha a izquierda, como el árabe y el hebreo, aún no se han probado lo suficiente. Revisa el resultado con cuidado.
- No se pueden convertir los PDF protegidos con contraseña ni aquellos cuyo propietario ha bloqueado la copia.
Preguntas sobre convertir PDF a Markdown
¿Se sube mi PDF?
No. pdfMB convierte el archivo en tu navegador y nunca sale de tu dispositivo. Puedes comprobarlo en las herramientas de red de tu navegador.
¿Qué Markdown genera?
CommonMark con tablas al estilo de GitHub, que leen GitHub, Obsidian, VS Code, la mayoría de los wikis y los generadores de sitios estáticos. La negrita, la cursiva, los enlaces y las listas usan las marcas estándar.
¿Puedo obtener texto sin formato?
Sí. Cambia el formato a texto sin formato después de convertir, o usa PDF a texto. Obtienes los mismos párrafos sin marcas de Markdown, y las tablas se convierten en filas de texto separadas por tabulaciones.
¿Conserva los tonos del tailandés?
Sí. pdfMB también recupera los tonos que algunos PDF marcan como “sin carácter”. En nuestra prueba llegaron los 4911 tonos de un artículo en tailandés de 35 páginas.
¿Puede convertir un PDF escaneado?
Sí. Activa el OCR, elige el idioma y el texto de las páginas escaneadas se convierte en párrafos. Revisa el resultado, porque el OCR puede leer mal nombres y números.
¿Por qué faltan algunos números de página o encabezados?
Las líneas que se repiten arriba o abajo en la mayoría de las páginas, y los números de página sueltos, se quitan por defecto para que no corten el texto. Desmarca la opción para conservarlos.