Convertidor online gratuito de PDF a MD

Markdown es útil cuando el contenido PDF debe editarse en un editor de código, almacenarse en un repositorio de documentación o procesarse mediante un generador de sitios estáticos. La conversión extrae el texto y la estructura del documento en un archivo .md de texto plano más pequeño.

Qué es el formato PDF

PDF (Portable Document Format) conserva el diseño de página, las fuentes, las imágenes y la configuración de impresión en distintos sistemas operativos. Los procesadores de texto, las aplicaciones de autoedición, los escáneres, los navegadores web y los sistemas de generación de informes suelen crear archivos PDF, por lo que aparecen en contratos, manuales, facturas, trabajos académicos y registros archivados.

Un PDF almacena el contenido para su presentación visual, no para una edición secuencial sencilla. Su texto puede estar dividido en fragmentos posicionados, y un PDF escaneado puede contener únicamente imágenes de las páginas, sin caracteres seleccionables.

Qué es el formato MD

MD es la extensión de nombre de archivo habitual para un documento Markdown. Markdown utiliza caracteres de texto plano, como # para los encabezados, - para las listas y ** para el énfasis; los procesadores de Markdown convierten estos marcadores a HTML u otros formatos de salida.

Los archivos MD funcionan bien en editores de código, repositorios Git, sistemas de documentación, generadores de sitios estáticos y aplicaciones para tomar notas. Son pequeños, fáciles de buscar, comparar mediante diff y editar, pero no conservan el diseño de página fijo, la tipografía exacta ni todos los elementos de diseño del PDF.

Cómo convertir PDF a MD

Uso de 101convert.com:

1. Abre el convertidor de PDF a MD en 101convert.com.
2. Sube el archivo .pdf de origen.
3. Elige MD o Markdown como formato de salida e inicia la conversión.
4. Descarga el archivo .md generado y ábrelo en un editor de Markdown para comprobar los encabezados, las listas, los enlaces y los saltos de párrafo.

Este método en línea no requiere software instalado y está disponible de forma gratuita.

Uso de herramientas de línea de comandos: Para un PDF basado en texto, extrae sus caracteres con pdftotext de Poppler:

pdftotext -layout input.pdf extracted.txt

La opción -layout intenta conservar las columnas y el espaciado. Abre extracted.txt, añade marcadores de encabezado de Markdown, marcadores de lista, enlaces y bloques de código donde sea necesario, y guárdalo como output.md. Esto produce resultados más limpios que suponer que pdftotext comprende automáticamente la estructura de Markdown.

Para la conversión automatizada, un analizador de documentos como Pandoc puede convertir un formato intermedio:

pandoc input.docx -t gfm -o output.md

Pandoc generalmente no interpreta PDF arbitrarios como entradas estructuradas, por lo que primero debes exportar el PDF a DOCX o HTML con una aplicación de escritorio adecuada y, después, ejecutar Pandoc en ese archivo intermedio.

Para PDF escaneados: ejecuta OCR antes de la extracción. OCRmyPDF puede añadir una capa de texto en la que se puedan realizar búsquedas:

ocrmypdf --deskew input.pdf searchable.pdf

Después, extrae el contenido de searchable.pdf con pdftotext. En una aplicación de escritorio para PDF, utiliza su comando de OCR, que suele encontrarse en Scan & OCR → Recognize Text, antes de exportar o copiar el contenido.

Limitaciones de calidad y compatibilidad

La conversión de PDF a Markdown es un proceso de extracción, no una exportación que conserve el diseño. Las páginas con varias columnas pueden leerse en el orden incorrecto; los encabezados, pies de página, números de página, tablas, notas al pie, hipervínculos, ecuaciones y leyendas pueden requerir correcciones manuales.

Normalmente, las imágenes requieren una extracción independiente y referencias de Markdown como ![Caption](images/figure-1.png). Un archivo Markdown no puede reproducir la paginación del PDF, los elementos posicionados, las fuentes incrustadas ni la fidelidad de impresión.

El OCR introduce errores de caracteres, especialmente en escaneos de baja resolución, fuentes inusuales, notación matemática y contenido manuscrito. Verifica los nombres, números, URL, valores de las tablas y el texto jurídico con el PDF original antes de publicar o archivar el archivo convertido.