Convertir un PDF a Markdown (para IA)

La forma rápida y fiable

Primero intenta seleccionar y copiar un párrafo del PDF.

Si el texto se puede seleccionar y aparece en el orden correcto, empieza con un extractor normal de PDF a Markdown.
Si se puede seleccionar pero las columnas, tablas o notas quedan desordenadas, usa una herramienta que tenga en cuenta el diseño y reserva tiempo para corregirlo.
Si la página se comporta como una sola imagen, aplica OCR (reconocimiento óptico de caracteres) antes de reconstruir el Markdown.

En todos los casos, considera el Markdown un borrador derivado del PDF, no un sustituto ya verificado. Conserva el original para revisar orden, títulos, cifras, tablas y citas.

Elige el método según el tipo de PDF

Tipo de PDF	Cómo reconocerlo	Punto de partida	Riesgo principal
Texto sencillo	Texto seleccionable, una columna, pocas figuras	Extracción de texto a Markdown	Pérdida de títulos y listas
Informe con varias columnas	Al copiar, el texto salta entre columnas o recuadros	Extracción sensible al diseño	Orden de lectura incorrecto
Documento con muchas tablas	Cuadrículas densas, cabeceras combinadas, muchas unidades	Extracción de tablas; mejor aún, la hoja de cálculo original	Valores desplazados a otra columna
Escaneo o fotografía	No se puede seleccionar texto o toda la página se selecciona como imagen	OCR configurado con el idioma correcto	Caracteres mal leídos u omitidos
Fórmulas, figuras o notas	Ecuaciones, pies de figura, referencias o dos columnas	Extracción especializada y revisión manual	Fórmulas, citas y pies dañados
Formularios o páginas diseñadas	El significado depende de cajas, flechas o posición	Reestructuración manual con referencia a la imagen	Relaciones visuales aplanadas

Si existe el archivo fuente —Markdown, HTML, DOCX, CSV o una hoja de cálculo— suele ser mejor partir de él. El PDF fija una presentación; el archivo original normalmente conserva más estructura.

Flujo de conversión paso a paso

1. Guarda el original y registra la fuente

Mantén una copia sin cambios. Anota título, entidad autora, fecha, URL o nombre de archivo, versión y fecha de consulta. El Markdown convertido debe poder rastrearse hasta el PDF.

---
title: "Informe anual de ejemplo"
source_file: "informe-2026.pdf"
source_url: "https://example.com/informe-2026.pdf"
retrieved: 2026-08-13
---

2. Prueba páginas representativas

Antes de convertir cien páginas, prueba una página normal, otra con tabla, una con figura o nota al pie y cualquier página donde cambie el diseño. Una herramienta que funciona en la portada puede fallar más adelante.

3. Extrae el texto o ejecuta OCR

Usa extracción directa en PDF con texto nativo y OCR en páginas que solo contienen imágenes. Algunos archivos mezclan ambos tipos. Configura todos los idiomas presentes y conserva las imágenes de página para comprobar caracteres dudosos.

4. Reconstruye la estructura semántica

Usa un único # para el título real del documento.
Convierte secciones y subsecciones en ## y ### según su jerarquía, no según el tamaño de letra.
Convierte viñetas y pasos en listas Markdown reales.
Une líneas cortadas solo por el ancho de la página, sin borrar los límites de párrafo.
Mantén pies junto a sus figuras o tablas y notas junto a su referencia.
Elimina encabezados, pies y números repetidos, salvo que aporten información.

El texto en negrita no siempre es un título. Ningún conversor puede deducir con certeza la jerarquía solo a partir del aspecto visual.

5. Conserva referencias de página cuando importen

Si la respuesta debe poder comprobarse en el PDF, añade marcadores antes del contenido correspondiente:

[Página 12 del PDF]

## Reconocimiento de ingresos

Aclara si usas la numeración impresa o la del visor cuando no coincidan. No inventes referencias después de reordenar el contenido.

6. Renderiza y compara

Mira una vista previa del Markdown, pero lee también el texto fuente. Una página que se ve limpia todavía puede contener secciones duplicadas, filas ausentes o cifras asociadas a la etiqueta equivocada.

Tablas y títulos: lo que no se conserva automáticamente

Las tablas son una parte de alto riesgo. Comprueba cada relación entre cabecera, etiqueta de fila, valor, unidad, periodo y nota. Si hay cabeceras combinadas, conviértelas en nombres de columna explícitos o divide la tabla.

| Métrica | 2025 | 2026 | Unidad |
|---|---:|---:|---|
| Ingresos | 120 | 148 | Millones de EUR |
| Retención | 91 | 95 | Porcentaje |

Una tabla puede ser Markdown válido y estar factualmente mal porque 8,0 se convirtió en 80, un signo menos desapareció o una unidad pasó a otra fila. Comprueba los totales de manera independiente. Si existe la hoja de cálculo original, úsala en lugar de reconstruir datos desde el PDF.

Los títulos tampoco están garantizados: un conversor puede convertir toda negrita en título, perder un nivel o insertar un pie de página en medio de una sección. Revisa el índice y la secuencia de títulos contra el original.

Lista de verificación

Integridad y orden

Están presentes las secciones iniciales, centrales y finales.
El texto de varias columnas sigue el orden previsto.
Recuadros, leyendas y notas no interrumpen párrafos ajenos.
No faltan páginas ni aparecen bloques duplicados.

Estructura

Los niveles de título representan una jerarquía real.
Los párrafos cortados por salto de línea se han unido correctamente.
Las listas conservan todos sus elementos y su orden.
Las tablas tienen las columnas esperadas y sus notas siguen asociadas.

Datos y evidencia

Nombres, fechas, importes, decimales, signos, monedas y unidades coinciden con el PDF.
Las fórmulas y símbolos se han comparado con la página renderizada.
Las figuras importantes tienen descripción o datos subyacentes.
Las citas, notas al pie, enlaces y páginas siguen apuntando al contenido correcto.

Procedencia y seguridad

Se conserva el PDF original y se registra la fecha de conversión.
Los pasajes ilegibles están marcados, no adivinados.
Se han eliminado secretos y datos personales innecesarios.
El servicio de IA elegido es adecuado para la confidencialidad del documento.

¿Se puede dar el PDF directamente a una IA?

A menudo sí, sobre todo si es corto, contiene texto nativo y la herramienta admite PDF. Convierte a Markdown cuando necesites corregir OCR u orden, reutilizar secciones, controlar versiones, retirar partes sensibles, añadir metadatos o dividir un documento para búsqueda.

En materiales visuales complejos puede convenir usar ambos: Markdown para texto buscable y las páginas originales para figuras, diseño y verificación final. Después, consulta Markdown para IA para separar instrucciones, fuente y formato de salida.

Siguiente paso

Markdown para IA — prepara la fuente convertida y tus instrucciones.
Tablas en Markdown — repara filas, columnas, cabeceras y unidades.
Saltos de línea — corrige líneas partidas durante la extracción.
Convertir Markdown a PDF — exporta una fuente Markdown ya revisada.