Cómo convertir un PDF a Markdown
- Suelta tu PDF en el recuadro de arriba, pégalo o elige hasta 20 archivos a la vez.
- Espera un momento. Un PDF con texto se convierte en uno o dos segundos. Las páginas escaneadas tardan más, porque cada una se lee con OCR en tu dispositivo.
- Revisa el resultado. La pestaña Markdown muestra el código, Vista previa lo muestra ya formateado y Páginas a revisar lista las páginas que conviene mirar dos veces.
- Copia o descarga. Llévate el texto como archivo
.md, como.zipcon las imágenes al lado o como fragmentos JSONL para un flujo de RAG.
Sin cuenta, sin subidas y sin límite de archivos al día.
Qué conserva el conversor
El conversor lee la capa de texto del PDF: los caracteres reales, con su tamaño de letra y su posición. A partir de ahí reconstruye la estructura del documento:
- Encabezados según el tamaño y el grosor de la letra, como
#,##y###. - Párrafos unidos de nuevo, aunque una frase cruce un salto de línea o siga en la página siguiente.
- Listas, numeradas y con viñetas, y enlaces con su dirección.
- Tablas como tablas Markdown, a partir de líneas de cuadrícula o de columnas de texto alineado.
- Imágenes como marcadores, como enlaces a archivos de imagen extraídos o fuera del todo. Tú eliges.
También quita lo que el lector no necesita: números de página, encabezados y pies que se repiten en cada página y palabras cortadas por un guion a final de línea. Cada reparación tiene su propio interruptor, y cada interruptor muestra cuántas veces actuó, así que nada ocurre a tus espaldas.
Páginas que conviene revisar
Ningún conversor acierta en todas las páginas. En lugar de cruzar los dedos, este te dice dónde mirar. Tras cada conversión revisa cada página en busca de los problemas habituales:
- una página sin capa de texto, o con fuentes que apuntan a caracteres equivocados y se leen como un galimatías;
- texto del que el modelo de OCR no estaba seguro;
- tablas y diseños a varias columnas, donde el orden de lectura puede fallar.
Las páginas marcadas aparecen en Páginas a revisar, cada una con una imagen de la página junto a su Markdown, para compararlas en segundos. Si el texto de una página salió ilegible, un clic la vuelve a leer con OCR.
PDF escaneados y OCR
Cuando una página no tiene texto, solo una imagen de texto, el conversor la lee con OCR. El modelo de reconocimiento de texto (PaddleOCR, Apache 2.0) se ejecuta en tu navegador mediante WebAssembly, en varios hilos cuando tu navegador lo permite. Se descarga una vez, unos 6 MB, y queda en caché.
El OCR lee de serie idiomas impresos en alfabeto latino y chino. El japonés y el coreano tienen sus propios modelos, que puedes elegir en Páginas escaneadas. La escritura a mano no está soportada. Para más sobre escaneos, consulta PDF escaneado a Markdown.
Markdown para ChatGPT, Claude y RAG
Markdown es el formato que mejor leen los modelos de lenguaje: los encabezados y las tablas sobreviven, y cuesta menos tokens que el HTML o el PDF en bruto. El conversor cuenta los tokens exactamente sobre lo que vas a copiar, y las opciones de Recortar para LLM muestran lo que ahorra cada una: quitar las direcciones de los enlaces, las marcas de negrita y cursiva o las líneas de imagen.
La pestaña Fragmentos divide el documento por encabezados dentro del presupuesto de tokens que fijes, guarda la ruta de encabezados y los números de página de cada fragmento y lo descarga todo como JSONL. Más en PDF a Markdown para LLM.
¿Es privado?
Sí, por diseño y no por promesa. El conversor es un programa que se ejecuta en tu pestaña del navegador. Tu PDF se lee desde tu disco a la memoria de la pestaña y se convierte ahí. Nunca se envía a nuestro servidor ni a ningún otro, y por eso tampoco hay cobro por tamaño ni límite diario.
Lo que sí viaja por la red: la propia página, el código del conversor y el modelo de OCR la primera vez que conviertes un escaneo. Puedes comprobarlo en las herramientas para desarrolladores de tu navegador: ninguna petición lleva tu archivo. La política de privacidad tiene los detalles.
Límites
- Tamaño: hasta 300 MB por archivo, 20 archivos a la vez. Los archivos muy grandes pueden agotar la memoria de una pestaña; si pasa, convierte un rango de páginas.
- Las fórmulas salen como los caracteres de texto que contiene el PDF, no como LaTeX.
- Las tablas complejas con celdas combinadas o celdas que ocupan varias líneas pueden necesitar retoques a mano. Esas páginas quedan marcadas.
- Las tablas escaneadas se convierten en tablas Markdown cuando sus columnas están bien alineadas; las apretadas o torcidas pueden salir como líneas de texto.
- Los PDF con contraseña se abren al escribirla. La contraseña no sale de la pestaña.
Preguntas frecuentes
¿pdftomd es gratis?
Sí. Convertir en tu navegador no nos cuesta nada por archivo, así que no hay nada que cobrar: ni registro, ni marca de agua, ni límite diario.
¿Funciona en el móvil?
Sí, en cualquier navegador móvil actual. Los archivos grandes y los escaneos largos van más lentos en un móvil que en un portátil, y el móvil tiene menos memoria, así que los PDF muy grandes pueden necesitar un rango de páginas.
¿Puede convertir varios PDF a la vez?
Sí. Suelta hasta 20 archivos; se convierten uno tras otro, y Descargar todo mete cada archivo Markdown, con sus imágenes si elegiste extraerlas, en un solo .zip.
¿Qué Markdown produce?
CommonMark con tablas al estilo de GitHub, que leen GitHub, Obsidian, Notion, VS Code y la mayoría de generadores de sitios estáticos. Para Obsidian hay una opción de front matter YAML; consulta PDF a Obsidian.
¿Puedo convertir PDF a Markdown con código?
Si lo necesitas en un script, consulta PDF a Markdown en Python, con cuatro bibliotecas y ejemplos que funcionan, o nuestra comparativa para ver cómo se comparan.