PDF a Word, a texto o a Markdown: cuál elegir

Necesitas sacar el texto de un PDF y ves tres opciones: Word, texto plano y Markdown. Las tres extraen las palabras. La diferencia está en cuánto de la página intentan conservar: Word reconstruye la página entera, el texto plano se queda solo con los caracteres y Markdown queda a medio camino. Cuál te conviene depende de adónde vayan a parar esas palabras después.

Word, si vas a editar el propio documento

PDF a Word reconstruye cada página como un .docx. Los párrafos, los tamaños de letra, las negritas, las imágenes y las tablas quedan más o menos donde estaban, así que es la opción para actualizar un contrato, corregir un informe o reutilizar la carta del año pasado con fechas nuevas.

Lo que se pierde es el significado que hay detrás del formato. Un título suele llegar como texto grande en negrita con el estilo Normal de Word, no como Título 1, y uno con una línea debajo puede acabar convertido en una tabla de una sola celda. Las viñetas suelen ser caracteres • escritos a mano, no una lista de Word de verdad. La página se ve bien, pero el panel de navegación y una tabla de contenido automática no encontrarán nada hasta que apliques tú los estilos de título. Revisa con calma los diseños a dos columnas y las tablas complicadas.

Texto plano, si solo te interesan las palabras

PDF a Texto te da un único .txt con el texto de todas las páginas y una línea en blanco entre una y otra. Sirve para buscar en un documento largo desde un editor de texto, pegar un fragmento en un correo sin arrastrar fuentes, contar palabras o pasárselo a un script.

Todo lo visual desaparece. Las imágenes y las negritas se pierden, y las tablas se aplanan en filas de valores separados por espacios: una tabla de ventas se convierte en líneas como Norte 120 4%, con los encabezados de columna en algún sitio más arriba. Si hay una celda vacía, ya no sabes qué valor corresponde a qué columna. Las viñetas y los números de lista a veces se separan de su elemento, y una página a dos columnas puede salir en un orden inesperado.

Markdown, si quieres conservar algo de estructura

Markdown es texto plano con un poco de marcado: # para los títulos, guiones para las viñetas y barras verticales para las tablas. Se abre con cualquier cosa y se pega limpio en Obsidian, en un sitio de documentación, en un README o en un chat con una IA donde te interesa que una tabla siga siendo una tabla.

Esto es lo que te da en la práctica nuestro PDF a Markdown:

• Tablas: su gran punto fuerte. Cuando detecta columnas alineadas, escribe una tabla Markdown en condiciones en lugar de un revoltijo de valores.
• Listas: las numeradas conservan sus números y las viñetas mantienen el carácter •, que casi todos los editores tratan como texto normal.
• Títulos: llegan como líneas normales. Un PDF no marca un título como título, solo es texto más grande, y el conversor no intenta adivinarlo. Añadir las # es un repaso rápido en cualquier editor.

Las negritas, las cursivas y las imágenes no pasan.

Para decidir rápido

1. ¿Vas a editar el documento y reenviarlo? Word.
2. ¿Tiene tablas, o va a acabar en tus notas o en una web de documentación? Markdown.
3. Para todo lo demás, incluidas las búsquedas rápidas y el copiar y pegar: texto.

Los PDF escaneados necesitan OCR antes

Intenta seleccionar una frase del PDF. Si se marca la página entera como si fuera una foto, todavía no hay texto, solo una imagen de texto, y cada herramienta lo resuelve a su manera.

• PDF a Texto tiene una casilla «Ejecutar OCR». Márcala y la herramienta leerá primero las imágenes de las páginas. Es más lento, y las páginas que ya tienen texto real se dejan como están.
• PDF a Markdown se detiene con un aviso de que no hay texto que extraer. Si pasas antes el archivo por OCR PDF se soluciona, aunque el texto reconocido puede traer espacios dobles y alguna línea estropeada.
• PDF a Word te devuelve un documento con imágenes de página en el que no se puede escribir, y aplicar OCR antes no cambia nada. Para editar un escaneo, extrae el texto con PDF a Texto y el OCR activado, y pégalo en un documento nuevo.

Preguntas frecuentes

¿Qué formato va mejor para pegar en ChatGPT u otra IA?

Markdown, si el PDF tiene tablas, porque así el modelo ve qué número va en qué columna. Si el documento es todo texto corrido, el texto plano funciona igual de bien.

¿El OCR reconoce bien un documento en español?

No del todo: solo reconoce inglés. Con un escaneo en español la mayoría de palabras salen bien, pero la ñ y las vocales con tilde se pierden o se cambian por otras letras, así que «teléfono» puede quedar como «telefono». También falla más con fotocopias tenues, letra a mano y fotos hechas en ángulo. Revisa nombres, cifras y acentos antes de fiarte del resultado.