PDF a DOCX

Deducir la estructura a partir de coordenadas

Un PDF no tiene párrafos. Tiene glifos, cada uno con su posición, su tamaño y su fuente, y todo lo que un lector percibe como estructura es un efecto de dónde se colocaron esos glifos. Convertir uno a Word significa deducir esa estructura de vuelta, y esa deducción, y no el formato del archivo, es todo el problema.

Los caracteres que comparten línea base forman una línea. Los huecos horizontales más anchos que una quinta parte del tamaño de la fuente se convierten en espacios entre palabras, porque un PDF puede colocar cada palabra a mano y no codificar ningún espacio. Las líneas forman un párrafo hasta que algo indique lo contrario: un hueco mayor que el interlineado, un cambio de tamaño, una sangría nueva o una línea anterior que se quedó corta respecto al borde de la columna, que es justo el aspecto que tiene desde fuera la última línea de un párrafo.

Los controles de la barra de herramientas

Rehacer párrafos

Une las líneas visuales en párrafos que fluyen y vuelve a juntar las palabras que la composición partió con guion al final de línea. Cambia a una línea cada una para poesía, código, formularios y todo aquello en lo que el salto de línea es el contenido.

Páginas

Lee solo un intervalo. En un informe largo esta es la diferencia entre un segundo y un minuto, porque casi todo el tiempo se va en analizar páginas.

Títulos

Asciende a Título 1-4 las líneas cortas que son claramente mayores que el texto de cuerpo, de modo que el resultado tenga un esquema real y panel de navegación en Word.

Listas

Reconoce glifos de viñeta y marcadores 1. / a) / iv., los quita del texto y reconstruye el elemento como una lista real de Word, con la sangría del nivel que sugería la composición.

Quitar encabezados

Descarta las líneas que se repiten cerca del principio o del final de la mayoría de las páginas, y las líneas que no son más que un número de página. Sin esto, un encabezado recurrente aparece una vez por página en mitad de tu documento.

Saltos de página

Mantiene un salto explícito allí donde terminaba cada página del PDF. Desactivado por defecto, porque un documento de Word refluye y un salto en mitad de una frase es peor que no tener ninguno.

Donde la deducción se rinde

• Páginas escaneadas. Un escaneo es una imagen de palabras. Volver a convertirlo en palabras es OCR, y esta herramienta no lo hace: esas páginas pasan como imágenes para que el documento quede completo, y cada una se nombra en el informe.
• Tablas. Las tablas con líneas suelen llegar como su texto en orden de lectura. Distinguir una tabla real de un texto que simplemente está alineado es adivinar, y adivinar mal revuelve el contenido en vez de limitarse a perder la cuadrícula.
• Negrita y cursiva. El grosor y la inclinación solo son recuperables cuando el PDF hacía referencia a una fuente en vez de incrustarla. Cuando no, los títulos salen igualmente en negrita porque son títulos, y el texto de cuerpo sale liso.
• La página como imagen. Word refluye y el PDF no, así que el resultado reproduce la estructura y no las posiciones de los píxeles. Si lo que importa es la composición visual, de eso ya se encarga el PDF.

Preguntas frecuentes

¿Cómo puede un PDF convertirse en un Word editable?

Un PDF no guarda párrafos: guarda glifos en coordenadas. Así que el conversor lee esa geometría de vuelta: los caracteres a la misma altura forman una línea, el espaciado entre líneas decide dónde acaba un párrafo y empieza el siguiente, y las líneas mayores que la media se convierten en títulos. El resultado es un .docx real con estilos reales de párrafo y de lista, no un bloque de texto gigante.

¿Funciona con un PDF escaneado?

Solo en parte. Un escaneo contiene imágenes de palabras, no palabras, y leerlas requiere OCR, cosa que esta herramienta no hace. Las páginas sin capa de texto se trasladan como imágenes para que el documento siga completo, y cada una se indica para que sepas qué páginas tendrías que reescribir.

¿Por qué la composición no coincide exactamente con la del PDF?

Porque un documento de Word refluye y un PDF no. El conversor reproduce la estructura — títulos, párrafos, listas, alineación, sangrías — en lugar de las posiciones de los píxeles, y eso es lo que hace que el resultado sea editable. Si lo que necesitas es conservar la composición visual, de eso ya se ocupa el PDF.

¿Qué pasa con las tablas y las columnas?

Una tabla con líneas suele volver como su texto, en orden de lectura, y no como tabla de Word: distinguir una tabla real de un texto que casualmente está alineado es adivinar sin los bordes, y adivinar mal revuelve el contenido. Las páginas a varias columnas se leen columna a columna cuando el espaciado las hace evidentes, y de izquierda a derecha en caso contrario.

¿Puedo convertir solo una parte del documento?

Sí. Fija una primera y una última página en la barra de herramientas y solo se leerá ese intervalo. Merece la pena en un informe largo: la mayor parte del tiempo de conversión se va en analizar páginas que quizá no necesites.

¿Para qué sirven los controles de encabezados y números de página?

Un encabezado o pie recurrente se repite en todas las páginas del PDF y, de lo contrario, aparecería decenas de veces en mitad de tu documento de Word. Con el recorte activado se dejan fuera las líneas que se repiten cerca del principio o del final de la mayoría de las páginas y las que no son más que un número de página.