Convertir un PDF a Word sin perder el formato

Qué está adivinando realmente el conversor

Una página de PDF dice: dibuja este glifo aquí, aquel glifo allá. No registra que doce de esos glifos formaban un encabezado, ni que este bloque y aquel bloque eran dos columnas en lugar de un párrafo ancho con un hueco.

Así que un conversor lee geometría e infiere estructura. Deduce las líneas a partir de las posiciones verticales, los párrafos a partir del espaciado y las tablas a partir de la alineación. Esas inferencias suelen ser correctas y de vez en cuando son gravemente erróneas, y los sitios donde fallan son predecibles:

• Diseños de varias columnas. Si las columnas no están claramente separadas, el texto puede coserse entre ellas en un único párrafo sin sentido.
• Tablas sin líneas de trazado. Una tabla dibujada con espaciado en vez de con bordes puede llegar como texto separado por tabuladores o como un párrafo por celda.
• Cuadros de texto y pies de imagen. Cualquier cosa posicionada en vez de fluida tiende a llegar como un cuadro flotante que se mueve cuando editas a su alrededor.
• Fuentes que no tienes. El PDF puede incrustarlas; el documento de Word solo las referencia. Si a tu equipo le falta el tipo de letra, Word lo sustituye y cambian las longitudes de línea. Por qué un PDF se ve distinto en otro ordenador lo cubre por completo.

Si tu PDF es un escaneado, ningún conversor puede ayudarte

Esta es, con diferencia, la decepción más común, y merece la pena entenderla antes de intentarlo.

Si el PDF es un escaneado o una fotografía de una página, no contiene ningún texto, solo una imagen que parece texto. Convertirlo produce un documento de Word que contiene una imagen de cada página y nada que puedas seleccionar, buscar ni editar. El conversor no ha fallado; no había nada que convertir.

La prueba lleva cinco segundos: abre el PDF e intenta seleccionar una frase con el cursor. Si no se resalta nada, es un escaneado.

La solución es reconocer el texto primero. El OCR añade una capa de texto real, y convertir después de eso produce texto editable. Dos advertencias honestas: el reconocimiento nunca es perfecto y hay que revisarlo, y el OCR recupera las palabras pero no el diseño original, así que cuenta con reconstruir el formato en vez de heredarlo. OCR frente a convertir un PDF a Word compara los dos directamente.

Conseguir el resultado más aproximado

• Pregúntate si necesitas Word siquiera. Si solo quieres las palabras —para citar, para reutilizar, para traducir—, extraer el texto de un PDF te las da limpias y sin ningún diseño contra el que pelear.
• Busca el original. Todo PDF fue otra cosa antes. Diez minutos buscando el documento de origen valen más que una hora reparando una conversión.
• Convierte solo las páginas que necesitas. Usa antes extraer páginas si solo quieres una sección: menos que revisar, menos que arreglar.
• Arregla en el orden correcto. Fija el tamaño de página y los márgenes, luego los estilos y luego las imágenes. Ajustar párrafos sueltos antes de configurar la página significa hacer el trabajo dos veces.
• Conserva el PDF. Sigue siendo el registro fiable del aspecto que tenía el documento. Si lo que necesitabas de verdad era una copia inalterable, PDF a JPG o el archivo original sirven mejor que uno convertido.

La conversión se ejecuta en nuestro servidor, no en tu navegador: el archivo se envía por una conexión cifrada, se conserva solo mientras se convierte y se elimina después.