Cómo convertir un PDF a Markdown para tus notas o un chat de IA

La mayoría de los PDF que vale la pena pasar a tus notas o consultar en un chat de IA son informes, artículos y manuales, y Markdown es el formato que ambos manejan mejor. La conversión es rápida. Saber exactamente qué sobrevive es lo que te dice si el modelo de verdad recibió la parte del documento sobre la que estás preguntando.

PDF a Markdown, paso a paso

1. Abre PDF to Markdown y elige Add a PDF (agregar un PDF), o arrástralo a la página. Aparecen miniaturas de las páginas. Un archivo protegido con contraseña te la pide primero.
2. Presiona el botón PDF to Markdown. No hay ajustes.
3. Comprueba que los encabezados de página coincidan con el documento y luego usa Copy (copiar) para copiar el resultado o Download (descargar) para bajarlo como document.md.

La forma del resultado

Un encabezado de página, en este resultado, es la línea ## Page n que la herramienta escribe antes del texto de cada página, donde n es la posición de la página en el archivo, contando desde 1. Debajo de cada encabezado va todo el texto de esa página, leído en el orden del archivo y unido en un solo párrafo. Un PDF de tres páginas da esto:

## Page 1

(all the text on page 1, as one paragraph)

## Page 2

(all the text on page 2, as one paragraph)

## Page 3

(all the text on page 3, as one paragraph)

Los encabezados son de nivel dos, así que el archivo puede quedar debajo del título de una nota sin competir con él. Son la única estructura del resultado, y es a propósito: el salto de página es el único límite estructural que un PDF registra de verdad. Todo lo demás que ves en una página (un título, una lista con viñetas, una tabla) es texto posicionado y líneas, sin nada en el archivo que diga qué son.

Lo que el resultado en Markdown no puede conservar

En el PDF	En el Markdown
Un salto de página	Un encabezado ## Page n
Un título dentro de una página	Texto plano, dentro del párrafo de la página
Negritas y cursivas	Texto plano
Una lista con viñetas o numerada	El texto de los elementos, todo seguido
Una tabla	El texto de las celdas en el orden del archivo, sin filas ni columnas
Saltos de línea y de párrafo dentro de una página	Un párrafo por página
Una página escaneada	Un encabezado de página sin nada debajo; un archivo escaneado por completo recibe un mensaje en su lugar

Un título en un PDF es texto que resulta ser más grande. No hay ninguna marca que diga “esto es un título”, así que un conversor que transforma el texto grande en # está adivinando a partir del tamaño de fuente. Eso funciona con documentos generados con una misma plantilla y falla con todo lo demás, y la falla es un disparate presentado con seguridad: una jerarquía de títulos que parece correcta y no lo es. Una tabla son líneas trazadas y texto posicionado sin ninguna relación registrada entre ellos, y recuperarla requiere un análisis de líneas que no tiene implementación del lado del navegador. Por eso el resultado es claramente plano en lugar de sutilmente erróneo.

El número de página es la hoja, no el número impreso

La n de cada encabezado cuenta hojas desde el inicio del archivo. No sabe nada de los números impresos en las páginas. Imagina un informe con portada y cuatro páginas preliminares numeradas en romanos: la página impresa como “1” es la sexta hoja, así que su encabezado dice ## Page 6.

Esto importa sobre todo en un chat. Cuando un modelo cita “page 6”, se refiere a la sexta hoja del archivo que le diste, así que busca la sexta página en tu visor y no la página que tiene un 6 impreso abajo. Si eres tú quien genera el PDF, numerar todas las hojas desde 1 con Page numbers hace que ambos coincidan.

Antes de pegarlo en un chat de IA

• Busca encabezados sin nada debajo. Un encabezado seguido directamente por el siguiente significa que esa página estaba en blanco o era una imagen, así que el modelo no recibe nada de ella. Un documento escaneado por completo recibe un mensaje que dice que no se encontró texto, porque no hay capa de texto que leer y la herramienta no hace OCR; uno con solo algunas páginas escaneadas muestra encabezados vacíos para esas páginas.
• Lee una página a varias columnas. Es la misma extracción que hace PDF to text, así que dos columnas pueden intercalarse, y el texto de encabezados, pies de página o recuadros flotantes puede caer a mitad de una oración.
• Envía solo las páginas que necesitas. Split PDF extrae primero un rango de páginas. Los encabezados cuentan entonces desde el inicio del extracto, así que la página 1 del Markdown es la primera página que conservaste, no la página 1 del original.
• Ten claro en qué momento el texto sale de tu dispositivo. La conversión ocurre en la pestaña de tu navegador. Pegar el resultado en un servicio de chat es el momento en que el documento llega a ese servicio, y esa es una decisión sobre el servicio, no sobre la conversión.

Otras formas de hacerlo

No hay un método integrado en macOS, Windows ni iPhone en la lista que hemos comprobado. En la línea de comandos, pdftotext de poppler da texto plano a partir de la misma capa de texto, sin los encabezados de página, que tendrías que agregar tú:

pdftotext -layout input.pdf output.txt

Cómo comprobar que no se subió nada

Abre la pestaña Network de las herramientas para desarrolladores de tu navegador antes de agregar el PDF. Cuando el archivo se abre, la página descarga el código que lee los PDF; después de eso, ni ejecutar la conversión ni copiar el resultado agregan una solicitud que transporte tu documento.

Convierte el documento con PDF to Markdown. Si quieres el texto sin los encabezados de página, PDF to text te da las mismas palabras en un bloque por página.