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 sin formato, copiar o descargar como .txt |
¿PDF escaneado?
Si casi no sale texto, el PDF es una imagen: usa OCR PDF.
Qué repara la herramienta
Copiar desde un visor de PDF conserva cada salto de línea de la página. La herramienta reconstruye los párrafos: las líneas de un mismo párrafo se unen, una palabra cortada con guion al final de línea se vuelve a juntar («informa- ción» pasa a «información»), un espacio vertical mayor abre un nuevo párrafo y las viñetas o elementos numerados quedan en su propia línea. Los títulos quedan en una línea aparte, sin marcas Markdown.
¿Texto o Markdown?
El texto plano sirve para buscar, contar palabras o copiar y pegar. Si el documento es para ChatGPT o Claude, usa mejor PDF a Markdown: los títulos ayudan al modelo a orientarse y a citar la sección correcta.
Ejemplo
El mismo PDF de una página que en la página de PDF a Markdown, extraído como texto plano: sin marcas de título, párrafos conservados y la línea cortada unida.
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.