Hack the HydraDatos clave
| Formatos de entrada | PDF con texto seleccionable (un PDF escaneado necesita OCR PDF) |
|---|---|
| Tamaño máximo | 100 MB por archivo (comprobado en el navegador) |
| Dónde se ejecuta | En su navegador con pdf.js 4.10.38; el archivo no se sube (solo se descarga la biblioteca desde un CDN) |
| Coste | Gratis, sin registro |
| Resultado | Texto Markdown (títulos, párrafos, listas), copiar o descargar como .md |
¿Por qué Markdown?
Los modelos de IA entienden mucho mejor el Markdown que el texto plano de un PDF: los títulos y las listas conservan la estructura, las respuestas son más precisas y se usan menos tokens.
Cómo se detectan los títulos
El conversor mide el tamaño de letra de cada línea. El tamaño más frecuente se considera texto normal; las líneas claramente más grandes pasan a ser títulos: unas 1,6 veces el tamaño del texto da #, 1,3 veces ## y 1,12 veces ###. Un texto solo en negrita sigue siendo texto normal: si los títulos de tu PDF solo están en negrita, añade los # a mano. Las líneas de un mismo párrafo se unen y las palabras cortadas al final de línea se reparan.
Qué revisar
Las líneas se leen de arriba abajo en cada página, lo que sirve para la mayoría de informes, contratos y manuales. Las páginas con varias columnas pueden mezclarse: revísalas. Las tablas conservan su texto fila a fila pero no se convierten en tablas Markdown, y las imágenes no se incluyen. Si el archivo casi no da texto, es un escaneo: la herramienta lo indica y OCR PDF puede leerlo.
Ejemplo
Un PDF de una página con un título, dos subtítulos y texto. Las líneas más grandes y en negrita pasan a ser títulos y el salto de línea dentro del párrafo se une.
Entrada
(one-page PDF) Remote work policy <- 20 pt bold Who can work remotely <- 14 pt bold Employees can work from home up to three days a week, after agreement with their manager. <- 11 pt, two lines Equipment <- 14 pt bold The company provides a laptop and a headset.
Resultado
# Remote work policy ### Who can work remotely Employees can work from home up to three days a week, after agreement with their manager. ### Equipment The company provides a laptop and a headset.