Alguien te envía un PDF y necesitas cambiar un par de líneas. Lo pasas por un convertidor. Abres el archivo de Word resultante. La tabla está completamente destrozada por toda la página, hay texto flotando en un cuadro sin razón alguna, y un párrafo entero usa una fuente que no habías visto en tu vida. Te pasas más tiempo arreglando el documento final que el que hubieras tardado en volver a teclearlo todo a mano.
Esta es la verdadera experiencia de convertir de PDF a Word en muchos casos. No tiene por qué ser así, pero depende completamente de qué tipo de PDF estés utilizando como base.
Nativo vs Escaneado: lo único que importa de verdad
Cualquier archivo PDF entra en una de estas dos categorías. O contiene verdaderos datos de texto (donde los caracteres están codificados y se pueden seleccionar), o bien solo contiene imágenes de páginas, sin datos de texto en absoluto.
El primer tipo se llama PDF nativo. Si alguna vez has exportado algo desde Word, Google Docs o cualquier herramienta de diseño, has creado un PDF nativo. El texto es real, la estructura es real, y un convertidor puede trabajar con él.
El segundo tipo es el que obtienes al usar un escáner. El escáner fotografía la hoja de papel y envuelve esas fotos en un PDF. No hay nada que extraer ahí. El convertidor solo está viendo píxeles, no texto.
La gran mayoría de los problemas de conversión suceden cuando la gente intenta convertir PDF escaneados como si fueran nativos. El resultado es o bien una gran imagen incrustada en un archivo de Word (que no puedes editar), o un desastre de aproximaciones de lectura óptica (OCR).
Lo que hace realmente el OCR y dónde falla
OCR (Optical Character Recognition o Reconocimiento Óptico de Caracteres) es la tecnología que lee imágenes de texto e intenta convertirlas en verdaderos caracteres. No es magia, y falla de formas muy predecibles.
Funciona estupendamente en documentos limpios, impresos en una fuente estándar y escaneados a una buena resolución (300 DPI o superior). Texto negro sobre papel blanco, sin sombras ni inclinaciones. La mayoría de los documentos de oficina impresos en los últimos 20 años entran en esta categoría y se convierten de forma bastante limpia.
Pero todo se desmorona rápidamente en cuanto falta alguna de esas condiciones. La escritura a mano casi siempre se lee mal (a veces con resultados muy cómicos). Las fuentes decorativas se malinterpretan. Las fotocopias desteñidas producen caracteres rotos por todas partes. Las marcas de agua confunden al sistema. Los documentos con dos idiomas en la misma página suelen generar errores en ambos.
La regla de oro: si sostienes una página escaneada a contraluz y puedes leerla con facilidad, es probable que al OCR también le vaya bien. Si tienes que entrecerrar los ojos, el algoritmo también está sufriendo.
Dónde pierde calidad realmente la conversión
Incluso con un PDF nativo perfecto, algunas cosas no sobreviven intactas a la conversión.
El diseño de un PDF es absoluto. Cada elemento tiene unas coordenadas X/Y exactas en la página. El diseño de Word se basa en flujos de texto, lo que significa que los elementos se mueven a medida que cambia el contenido. Cuando un convertidor traduce un modelo al otro, tiene que adivinar cosas. A veces esas suposiciones funcionan. A menudo, no.
Las tablas son las que peor paradas salen. Una tabla sencilla de dos columnas en un PDF nativo suele convertirse bien. Sin embargo, una tabla compleja con celdas combinadas, contenido anidado o bordes personalizados suele aparecer como texto sin formato. O peor aún, como una tabla que parece correcta hasta que intentas editar una celda y todo el contenido se descuadra.
Los diseños con múltiples columnas (como boletines informativos o artículos de investigación) tienden a fusionarse en una sola columna. El texto será correcto, pero el orden de lectura será un desastre.
Las imágenes se mantienen como imágenes, lo cual está bien, pero su posicionamiento respecto al texto a menudo se pierde. Las imágenes integradas que estaban cuidadosamente rodeadas de texto en el original, terminan flotando en algún otro lugar dentro del archivo Word.
Los encabezados y pies de página a veces sobreviven y a veces no.
La coincidencia de fuentes tipográficas es, por diseño, imperfecta. Los PDF incrustan las métricas de las fuentes, pero no siempre las fuentes mismas. El convertidor elige la fuente más parecida que tenga disponible, lo que suele ser suficiente para el texto normal, pero casi siempre es incorrecto en títulos o fuentes muy distintivas.
Cuándo no merece la pena convertir
Si tu PDF es un contrato firmado, un formulario gubernamental, o cualquier documento donde la precisión del formato tenga validez legal, no lo conviertas. Los pequeños cambios de formato que ocurren durante la conversión pueden alterar los saltos de línea, los saltos de página y la agrupación visual del contenido. Un editor construido expresamente para archivos PDF (Acrobat, PDF Expert, o incluso algunas herramientas en el navegador) es lo que necesitas.
Si solo necesitas unos pocos párrafos de un PDF nativo, lo más rápido es abrir el PDF, seleccionar el texto, copiarlo y pegarlo en Word. Perderás el formato, pero tendrás el texto limpio en diez segundos, sin necesidad de usar un convertidor.
Cómo funciona la conversión en Converthor
El convertidor de esta página usa pdf2docx, una librería de Python creada específicamente para PDF nativos. Subes tu archivo, haces clic en convertir, y recibes un archivo .docx. Gestiona la estructura de los párrafos, las tablas sencillas, las imágenes integradas y el formato estándar (como la negrita o la cursiva). El resultado se abrirá sin problemas en Word, LibreOffice o Google Docs. (Prueba a convertir de PDF a Word aquí mismo).
El archivo se elimina de nuestros servidores de forma automática en cuanto lo descargas. No necesitas crear ninguna cuenta y no añadimos marcas de agua.
Si trabajas con un PDF escaneado, la herramienta intentará convertirlo, pero el resultado variará muchísimo en función de la calidad del escaneo. Funciona bien para documentos limpios, pero si tienes documentos antiguos o con baja resolución, prepárate para revisar el archivo a fondo.
El proceso es muy simple a propósito:
- Sube tu PDF (hasta 50 MB)
- Haz clic en Convertir
- Descarga el archivo
.docx
Si el resultado tiene problemas, mira primero el PDF original. La gran mayoría de los fallos provienen de lo que había en el archivo de origen, y no de la propia conversión.