Por qué convertir PDF a Word es más difícil de lo que parece
Convertir Word a PDF es un problema de renderizado: tomar una maquetación descrita y dibujarla. PDF a Word es lo contrario, y lo contrario no es simétrico. Ir en la otra dirección es un problema de reconstrucción, y reconstruir es mucho más difícil que dibujar.
El PDF guarda glifos, no frases
Un archivo PDF no registra párrafos ni títulos. Registra instrucciones para dibujar caracteres individuales en coordenadas concretas, y por eso convertir PDF a Word significa hacer ingeniería inversa de la estructura a partir de datos de posición.
Un archivo de Word dice «esto es un Título 1 con el texto Informe trimestral». Un PDF dice «usa la fuente F2 a 22 puntos, muévete a x=72 y=782, muestra los glifos I-n-f-o-r-m-e». Nada en el archivo lo marca como título. Hay que deducirlo del hecho de que es más grande que todo lo que lo rodea.
Por qué los párrafos hay que reconstruirlos por ingeniería inversa
El texto llega como fragmentos en coordenadas, a menudo partidos en mitad de una palabra y muchas veces sin los espacios entre palabras. Recuperar prosa legible significa agrupar fragmentos en líneas por su posición vertical, insertar espacios donde los huecos horizontales los sugieren y decidir después qué saltos de línea son ajustes de línea y cuáles son límites de párrafo.
Cada uno de esos pasos es una heurística. Las nuestras están documentadas y probadas, pero siguen siendo conjeturas, y esta página marca qué partes del resultado son conjeturas en lugar de presentarlo todo como un hecho.
El problema de los documentos escaneados
Los PDF escaneados contienen imágenes de texto, no texto. Sin OCR, ningún análisis recuperará las palabras.
Esta es, con diferencia, la decepción más común con cualquier convertidor de PDF a Word, y la razón por la que tanta gente concluye que estas herramientas simplemente no funcionan. Sueltas un contrato que escaneó un compañero y recibes un archivo de Word que no contiene nada, normalmente sin explicación alguna.
Qué hace el OCR y por qué esta herramienta no lo tiene
El reconocimiento óptico de caracteres mira la imagen y averigua qué formas son qué letras. Es una tecnología genuinamente distinta de leer una capa de texto, es comparativamente lenta, y una versión de navegador implicaría enviar un modelo de reconocimiento a cada visitante.
Así que hacemos lo mejor posible después de eso: detectar la situación y decirlo con claridad, en lo primero que ves tras soltar el archivo. La detección tiene en cuenta que las páginas escaneadas rara vez están completamente vacías —los escáneres estampan números de página y el OCR parcial deja restos—, así que una página con solo un puñado de caracteres se trata como un escaneo y no como texto.
Qué hace realmente esta herramienta de PDF a Word
Esto es un extractor de texto, no un convertidor de maquetación. Recupera las palabras de un PDF en un archivo de Word editable. No reproduce el diseño original de la página.
Extracción de texto frente a conversión de maquetación
Las dos cosas que la gente entiende por PDF a Word son bastante distintas. La conversión de maquetación intenta reconstruir el documento: tablas como tablas, columnas como columnas, imágenes en su sitio. Eso requiere un motor comercial o una gran maquinaria en servidor, y las buenas implementaciones son todas de servidor.
La extracción de texto toma las palabras, el orden de lectura y toda la estructura básica que pueda inferirse con confianza. Para muchísimas tareas reales —citar una cláusula, reutilizar un párrafo, sacar cifras de un informe— eso es todo el trabajo.
Para quién es esto y para quién no
Úsalo si quieres sacar el texto de un PDF para editarlo, citarlo o reutilizarlo, y prefieres que tu documento no se suba al servidor de un desconocido.
No lo uses si necesitas que el archivo de Word se parezca al PDF, si el documento está lleno de tablas o si es un escaneo. Esos casos se tratan más abajo, junto con qué usar en su lugar.
Cómo extraer el texto de un PDF en 3 pasos
Suelta tu PDF
Arrastra un PDF al recuadro de arriba o haz clic para buscarlo. Se lee directamente del disco a tu navegador: no hay subida, así que un documento grande empieza al instante en lugar de esperar a tu conexión.
Revisa la vista previa de extracción
En cuanto se lee el archivo, ves qué se ha recuperado de verdad, cuántos títulos y elementos de lista se han inferido, y si alguna página parece escaneada o a varias columnas. Esto ocurre deliberadamente antes de la descarga, para que puedas marcharte sin perder tiempo con un archivo que nunca iba a funcionar.
Descarga tu DOCX
Exporta un archivo de Word estándar que se abre en Word, Google Docs, LibreOffice o Pages. Si los títulos inferidos parecen incorrectos, activa el modo texto plano y exporta de nuevo: tarda un segundo y omite toda la interpretación.
Qué consigue la extracción de PDF a Word y qué no
Toda herramienta de PDF a Word traza esta línea en algún punto. La mayoría, sencillamente, nunca te enseña dónde.
Se extrae de forma fiable
El texto del cuerpo. El orden de lectura, en documentos a una columna. Negrita y cursiva, deducidas de los nombres de las fuentes incrustadas. El texto visible de los hipervínculos.
Para un informe, una carta o un artículo corrientes, esto es en la práctica todo el contenido.
Se infiere, y a veces se equivoca
Los niveles de título, los límites de párrafo y las listas con viñetas o numeradas. Se derivan de la geometría en lugar de leerse del archivo, y la vista previa los etiqueta como inferidos exactamente por esa razón.
Cómo se adivinan los niveles de título a partir del tamaño de fuente
Tomamos la altura de glifo más común del documento como tamaño del cuerpo y promovemos todo lo que sea significativamente mayor: 1,6× o más pasa a Título 1, 1,35× a Título 2 y 1,15× a Título 3.
El tamaño más común y no la media, deliberadamente: una media se ve arrastrada hacia arriba por un título grande, que entonces dejaría de reconocerse como título. La línea base también se calcula sobre el documento entero, de modo que una portada compuesta enteramente en letra grande no distorsiona todas las páginas siguientes.
Los documentos que señalan los títulos con grosor o color en lugar de tamaño no los tendrán detectados. Es una limitación real, y el modo texto plano existe para eso.
No se admite
Las tablas salen como texto suelto en lugar de como tablas. Las imágenes no se trasladan. Encabezados, pies y números de página se extraen como texto normal allí donde estuvieran. La maquetación exacta, el posicionamiento, las fuentes y los tamaños no se reproducen en absoluto.
Tablas, imágenes y páginas escaneadas
Las páginas a varias columnas se detectan y se señalan en lugar de intercalarse en silencio, porque el orden de lectura entre columnas es genuinamente ambiguo: un artículo académico a dos columnas puede leerse columna a columna o de lado a lado de la página, y el archivo no dice cuál.
Las páginas escaneadas no producen nada, y se informa de ello antes de exportar.
La capacidad de extracción de un vistazo
| Elemento | Estado | Notas |
|---|---|---|
| Texto del cuerpo | Fiable | Se recupera de la capa de texto |
| Orden de lectura (una columna) | Fiable | Agrupado por posición de línea |
| Negrita y cursiva | Fiable | Deducidas de los nombres de fuente incrustados |
| Texto de hipervínculos | Fiable | El texto visible, no el destino |
| Niveles de título | Inferido | Por tamaño de fuente relativo; puede fallar |
| Límites de párrafo | Inferido | Por los huecos verticales entre líneas |
| Listas con viñetas y numeradas | Inferido | Por marcadores iniciales y sangría |
| Orden de lectura a varias columnas | Inferido | Se detecta y se señala, no se reordena |
| Tablas | No se admite | Salen como texto suelto |
| Imágenes | No se admite | No se trasladan al archivo de Word |
| Encabezados y pies | No se admite | Aparecen como texto normal |
| Maquetación y fuentes | No se admite | No se reproducen |
| Páginas escaneadas | No se admite | Requieren OCR; se detectan y se informa |
Para qué puedes usar la extracción de PDF a Word
Los usos realistas de la extracción de PDF a Word comparten una misma forma: quieres las palabras, no el diseño.
Citar contratos e informes
Sacar una cláusula exacta de un PDF tecleándola de nuevo invita a errores de transcripción justo en el tipo de documento donde los errores importan. La extracción te da la redacción literal, y para un contrato, que nunca haya salido de tu máquina no es un detalle menor.
Reutilizar texto de artículos académicos
Los PDF académicos son el caso clásico de esta herramienta y también el caso clásico de sus límites: el texto sale limpio, pero los artículos a dos columnas se señalarán, porque el orden de lectura es genuinamente ambiguo. Extrae y luego reordena a mano.
Sacar datos de facturas
Las líneas de una factura viven en tablas, que salen como texto suelto en lugar de como una cuadrícula. Aun así es más rápido que teclearlas, y las cifras llegan exactamente como estaban impresas.
Reaprovechar documentos antiguos
Convertir un viejo folleto o manual en PDF de vuelta a texto editable suele ir de las palabras, no del diseño: el diseño normalmente se va a sustituir de todos modos.
Por qué la privacidad importa aquí
Los documentos de los que la gente más quiere extraer texto —contratos, cartas médicas, extractos financieros— son los documentos que menos debería querer subir. Procesar en local elimina la pregunta en lugar de responderla.
Cuándo deberías usar un convertidor en servidor
| Si necesitas… | Usa | Por qué |
|---|---|---|
| Tablas conservadas como tablas | Adobe, Smallpdf o el propio Word | Requiere reconstruir la maquetación |
| Que el archivo de Word se parezca al PDF | Un convertidor comercial | No reproducimos la maquetación |
| Texto de un documento escaneado | Una herramienta con OCR | No existe capa de texto que leer |
| Que las imágenes se trasladen | Un convertidor comercial | Aquí no se extraen |
| Solo las palabras, en privado | Esta herramienta | No se sube nada |
| Editar y volver a citar texto | Esta herramienta | Texto y estructura básica bastan |
Después de PDF a Word: edita, convierte de vuelta y comparte
PDF a Word rara vez es el último paso. Una vez que el texto está en Word y lo has editado, convertirlo de vuelta es el paso natural: nuestro convertidor de Word a PDF también funciona íntegramente en tu navegador, así que el viaje de ida y vuelta nunca toca un servidor.
Si tu material de partida está repartido en varios PDFs, combínalos primero y extrae una sola vez, en lugar de extraer varias veces y coser los resultados en Word.
Todo lo de aquí sigue la misma regla: tus archivos se quedan en tu máquina. El resto del conjunto está en nuestra página de herramientas PDF gratuitas, y las de imagen en todas nuestras herramientas de navegador.