Convertidor de PDF a Markdown
Suelta un PDF basado en texto y obtén Markdown limpio y estructurado — encabezados, tablas pipe, listas y enlaces reconstruidos desde el diseño de página. Impulsado por el motor Rust pdf-inspector compilado a WebAssembly, ejecutado completamente en tu navegador.
Click to start converting
Go to the converter — PDF a Markdown output selected (pdf-inspector engine)
Supported input formats
| 格式 | 扩展名 | 说明 |
|---|---|---|
| PDF basado en texto | PDFs digitales nativos — informes, artículos, especificaciones, facturas | |
| PDF mixto | Las páginas de texto se convierten; las páginas solo de imágenes se marcan para OCR | |
| PDF escaneado | Sin capa de texto — detectado y rechazado con un mensaje claro (OCR más adelante) | |
| PDF multicolumna | Orden de lectura reconstruido a través de columnas estilo periódico |
Cómo funciona la conversión de PDF a Markdown
PDF es un formato de impresión, no un formato de documento — almacena glifos pintados en coordenadas, sin concepto de encabezados, párrafos o tablas. Un convertidor tiene que reconstruir la semántica desde la geometría: los tamaños de fuente se convierten en niveles de encabezado, los rectángulos alineados se convierten en celdas de tabla, las posiciones de columna se convierten en orden de lectura.
Esta página ejecuta el motor pdf-inspector, un analizador Rust compilado a WebAssembly. Clasifica primero tu PDF (basado en texto, escaneado o mixto), decodifica fuentes incrustadas a través de ToUnicode CMaps (CJK incluido), reconstruye el orden de lectura para diseños multicolumna, y recupera la estructura de tablas a partir de rejillas de rectángulos y líneas — luego emite GitHub Flavored Markdown.
Todo se ejecuta localmente en tu pestaña del navegador. El PDF nunca sale de tu dispositivo — sin subidas, sin cuentas, sin procesamiento en servidor.
Cómo obtener los mejores resultados de conversión
El motor funciona mejor con PDFs digitales nativos — cualquiera producido por Word, LaTeX, InDesign o una impresora PDF. Los documentos escaneados no tienen capa de texto y se detectan automáticamente; necesitan OCR, que está en la hoja de ruta.
Activa la opción "Optimizar para LLM/IA" para cambiar la salida al perfil compacto: menos tokens de relleno, párrafos de una sola línea y marcadores de página que puedes usar para citas. Esta es la configuración recomendada al alimentar documentos a ChatGPT, Claude o un pipeline RAG.
Las tablas complejas con celdas combinadas y los informes financieros con continuaciones de varias páginas se recuperan por heurísticas — siempre revisa las filas de la tabla después de la conversión. Para PDF a HTML, RST o LaTeX, el convertidor produce Markdown primero y lo canaliza a través del motor Pandoc automáticamente.
Quién usa PDF a Markdown
Ingenieros de IA que preparan contexto para pipelines RAG — la estructura Markdown da a los fragmentadores límites naturales, y el perfil compacto reduce el coste de tokens en cada solicitud.
Investigadores y analistas que mueven artículos, informes financieros y facturas a Obsidian, Notion o repositorios docs-as-code versionados, donde Markdown hace diffs limpios y se renderiza en todas partes.
Preguntas frecuentes de PDF a Markdown
+¿Se sube mi PDF a un servidor?
Nunca. El motor pdf-inspector se ejecuta como WebAssembly dentro de tu pestaña del navegador. El archivo se queda en tu dispositivo — el panel de red no muestra tráfico de subida durante la conversión.
+¿Conserva las tablas?
Sí. La estructura de tablas se recupera a partir de límites de rectángulos, líneas de regla y alineación de columnas — incluidas tablas financieras que continúan entre páginas. Revisa siempre las tablas complejas después de la conversión.
+¿Puede convertir PDFs escaneados?
Todavía no. Los PDFs escaneados y solo de imágenes no tienen capa de texto y requieren OCR. El motor los detecta automáticamente y te indica qué páginas están afectadas en lugar de producir salida basura.
+¿Gestiona diseños multicolumna?
Sí. El analizador de diseño reconstruye el orden lógico de lectura a partir de las coordenadas de texto, así que los artículos académicos a dos columnas y los PDFs estilo boletín salen en la secuencia correcta.
+¿Qué pasa con PDFs en chino y otros CJK?
El motor incrusta mapas de caracteres CJK (ToUnicode CMaps), así que el texto chino, japonés y coreano se decodifica correctamente sin fuentes del sistema.
+¿Puedo convertir PDF a HTML, RST o LaTeX?
Sí. Elige el formato de salida en el convertidor — el PDF se convierte primero a Markdown, luego se canaliza a través del motor Pandoc a tu formato destino, todo en tu navegador.