PDF a Word gratis

Ejemplo práctico

Pulsa “Try a sample”. La ficha del archivo muestra document-v1.pdf, un PDF de una página con un título y seis líneas cortas como “Project: Atlas Rollout” y “Budget: $10,000”. Pulsa “Convertir a Word”. El texto dice “Leyendo la capa de texto...”, la ficha muestra después “1 page”, una línea verde dice “✓ Your Word document is ready — document-v1.docx” y “Vista previa del texto extraído” enumera el texto, empezando por “--- Page 1 ---”. “Download” guarda el .docx, mientras que “Copiar” y “Descargar .txt” están sobre la vista previa. Marca “Add a “Page N” heading before each page” y el archivo de Word gana un título “Page 1”. Un escaneo se comporta de otra forma. En un PDF escaneado de 12 páginas, un panel ámbar dice “Se encontraron páginas escaneadas, ¿ejecutar OCR?” y “None of the 12 pages have a text layer, so there is nothing to extract without reading the images.” Añade “Reading them on your device takes about 6 minutes. Nothing is uploaded.” y ofrece “Run OCR on 12 pages”.

Qué ajustes usar y los límites

• Comprueba primero si el PDF tiene texto real. La herramienta lee la capa de texto que suelen llevar los PDF exportados desde un procesador de textos o guardados desde un navegador. Un escaneo es solo una imagen de una página y no tiene ninguna. Las páginas sin texto se cuentan una por una, así que un archivo mixto se maneja con sensatez: ves “3 of 12 pages have no text layer. The rest were converted normally.” y el archivo de Word de las otras nueve páginas ya está listo para descargar. Tú decides si leer los tres escaneos. No se descarga ni se inicia nada hasta que pulsas el botón de OCR.
• Elige el alfabeto antes de ejecutar el OCR. Abre la línea “Alfabeto de las páginas escaneadas”. Parte del idioma del sitio que estás viendo, y del latino si ese idioma no tiene equivalente. Un escaneo no lleva texto del que detectar un alfabeto, y la pista advierte de que una página leída con el alfabeto equivocado “comes back as plausible-looking nonsense rather than an error”. Hay diez opciones, desde latino y cirílico hasta tailandés, tamil y telugu. Cada una muestra su tamaño, desde 7.4 MB para el griego hasta 15.9 MB para el chino y el japonés, y el latino es de 7.7 MB. El hebreo no está disponible. El total del panel incluye además una parte compartida que usan todos los alfabetos.
• Calcula unos 30 segundos por página y usa Cancel si hace falta. La estimación es de 30 segundos por página. Por debajo de dos minutos se muestra en segundos, en pasos de 5. Las ejecuciones más largas usan minutos enteros, así que 40 páginas dicen “about 20 minutes”. Las páginas se leen una a una en el dispositivo, y el texto cuenta “Reading page 3 of 12...”. Pulsa “Cancelar” y el botón dice brevemente “Deteniendo...”. Las páginas ya leídas se conservan y pasan al archivo de Word, y las páginas no alcanzadas se vuelven a ofrecer. En un móvil el panel del modelo avisa “En un teléfono esto será lento: cuenta con varios minutos y deja esta pestaña abierta.” Si el dispositivo no puede ejecutar el modelo, el botón de OCR permanece desactivado.
• Trata el texto del OCR como un primer borrador. La salida del OCR no tiene información de posición, así que cada línea del escaneo se convierte en su propio párrafo, sin tablas ni títulos. Cada página de OCR empieza con una nota en cursiva, “[Leído de una página escaneada por el OCR del dispositivo: compáralo con el original.]”, y el encabezado del documento repite una advertencia. Al nombre del archivo se le añade “-ocr”, así que un escaneo llamado letter.pdf se descarga como letter-ocr.docx. Una línea bajo el resultado dice “OCR read 3 scanned pages. Machine-read text can contain mistakes — check them against the original.” Compara nombres, números y fechas con el papel antes de enviar el archivo.
• Conoce qué se traslada desde un PDF con texto. Las líneas cortadas se unen en párrafos. Una línea corta con un tamaño de al menos 1.2 veces el del texto normal pasa a ser un título de Word, y una de al menos 1.6 veces pasa a ser Heading 1. Las líneas de más de 150 caracteres se quedan como texto normal. Las columnas se convierten en una tabla de Word solo cuando tres o más filas seguidas se alinean con el mismo número de columnas. No se conservan imágenes, fuentes ni diseño de página. La vista previa muestra los primeros 8,000 caracteres, y el texto completo está en la descarga. “Add a “Page N” heading before each page” está desactivado de forma predeterminada, porque esos títulos no están en el propio PDF.
• Convierte varios PDF de una vez. Suelta más de un PDF, o pulsa “Add more files” con uno cargado. El botón dice entonces “Convert 3 PDFs to Word”. Cada archivo se convierte en su propio .docx, y “Download all (3)” los guarda en un ZIP llamado pdf-to-word. El modo por lotes lee solo la capa de texto. Un PDF totalmente escaneado falla en su fila con “PDF escaneado sin capa de texto. Ábrelo por separado para leerlo con OCR.” y uno parcialmente escaneado muestra una nota como “2 scanned pages skipped”. Los archivos que no son PDF se omiten, con el mensaje “Se omitieron algunos archivos porque no son PDF.”

Problemas comunes y cómo solucionarlos

Dice “Something went wrong. Please try again.”

El lector falló con un error para el que la herramienta no tiene un mensaje específico. Solo un error de contraseña y un error de PDF no válido tienen su propia frase (“Este archivo no se pudo leer como PDF — puede estar corrupto.”), y un documento con cero páginas recibe el mismo mensaje de archivo dañado. Cualquier otra cosa, incluida la “UnknownErrorException” del lector, acaba aquí. Abre el archivo en otro visor de PDF. Si se abre, imprímelo a un PDF nuevo desde ahí y convierte esa copia.

Dice “No se encontró texto extraíble en este PDF.”

Todas las páginas son imágenes y pulsaste “No, gracias” en la oferta de OCR, así que no hay nada que convertir. No es un fallo del archivo. La capa de texto está vacía. Pulsa “Convertir a Word” de nuevo para que vuelva la oferta, elige el alfabeto de las páginas y pulsa “Run OCR on N pages”. Si no quieres OCR, las palabras tienen que venir de otra fuente, porque un PDF sin capa de texto no contiene palabras que copiar.

Dice “El OCR se ejecutó, pero no encontró texto legible en las páginas escaneadas.”

Cada página se dibujó y se leyó, y el reconocedor no devolvió texto. El caso más simple es una página que realmente está en blanco, así que revisa las páginas en un visor. Las páginas ya leídas no se vuelven a ofrecer, aunque hayan salido vacías. Para probar otro alfabeto, pulsa “Convertir a Word” (o “Convertir de nuevo”), lo que reinicia la comprobación y vuelve a mostrar la oferta. La pista bajo el selector dice que un alfabeto equivocado da un resultado sin sentido en lugar de un error, así que comprueba también el selector.

Dice “No se pudieron leer las páginas escaneadas. Inténtalo de nuevo.”

Algo falló durante la pasada de OCR. Una página que no avanza durante 120 segundos se considera bloqueada. La herramienta descarta entonces ese lector y empieza uno nuevo en el siguiente intento. Si se repite en un escaneo largo, prueba con un ordenador o divide el PDF para que cada ejecución sea más corta. Un mensaje relacionado, “Page 4 is too large to render for OCR.”, aparece cuando una página necesitaría una imagen de más de 16,384 píxeles por lado.

Dice “Este PDF está protegido con contraseña. Elimina la contraseña e inténtalo de nuevo.”

El PDF está cifrado, así que su texto aún no se puede leer. Bajo el mensaje, un cuadro “Enviar este archivo a otra herramienta” ofrece “Desbloquear PDF”. Pasa el mismo archivo a la herramienta Unlock PDF dentro de este navegador, y el cuadro indica “Nothing is uploaded.” Desbloquéalo allí y añade aquí el archivo desbloqueado. En el modo por lotes, el mismo mensaje aparece en la fila de ese archivo.

Cómo se compara

Si necesitas que la página se vea exactamente como el PDF, esta no es la herramienta. Extrae el texto y reconstruye párrafos, títulos y tablas sencillas, lo que te conviene cuando quieres editar o reutilizar las palabras. No conserva imágenes, fuentes ni el diseño original, y no crea un PDF con texto buscable. Las páginas escaneadas se leen con OCR en el dispositivo, así que el texto puede tener errores y debes revisarlo. La primera ejecución del OCR descarga un modelo una sola vez, de 7.4 a 15.9 MB según el alfabeto más una parte compartida. No hace falta instalar nada y el PDF no se sube.