Cómo convertir un PDF a Markdown para IA con SimplePDF
Alimentar un modelo de lenguaje con un PDF suele implicar copiar y pegar un muro de texto sin formato. La estructura del documento se pierde, el número de tokens se dispara y el modelo tiene que adivinar dónde termina un título y dónde empieza una tabla. Convertir primero el PDF a Markdown conserva esa estructura, de modo que el modelo lee un documento limpio en lugar de una cadena plana.
SimplePDF extrae el contenido de cualquier PDF como Markdown, directamente en el editor. Esta guía explica cómo hacerlo y por qué Markdown es el formato adecuado cuando quien lee es un LLM.
#Por qué Markdown en lugar de texto sin formato
- A menudo menos tokens. Markdown transmite la estructura con un puñado de caracteres (
#,-,|) en lugar del diseño cargado de espacios en blanco que conserva un volcado de texto sin formato. Menos ruido por página suele significar menos tokens por solicitud, y los tokens son lo que pagas y lo que llena la ventana de contexto. El ahorro exacto depende del documento y del tokenizador. - Estructura más clara para el modelo. Los títulos, las listas y las tablas le indican al modelo cómo está organizado el documento. Un modelo que lee
## Total de la facturaseguido de una tabla tiene más con qué trabajar que uno que analiza un bloque de números sin etiquetar, lo que suele ayudar en preguntas que dependen del diseño. - Portátil. Markdown se integra directamente en una canalización RAG, un prompt, un fragmentador o una aplicación de notas sin más limpieza.
#Extraer un PDF como Markdown
- Abre tu documento en el editor de SimplePDF (arrastra un archivo o abre uno desde tu dispositivo)
- En la barra lateral, abre el menú junto al botón Download
- Elige Extraer contenido
- Selecciona Copy to clipboard para pegar el Markdown directamente en tu modelo, o Download as file para guardar un archivo
.md
La extracción incluye los valores que ya están en el documento: texto escrito, casillas marcadas y marcadores de firma, de modo que el Markdown refleja lo que realmente dice el PDF, no solo su plantilla en blanco.
#Todo se ejecuta en tu navegador
La extracción ocurre localmente, en tu dispositivo. El PDF no se sube a ningún servidor, lo que importa cuando el documento es un contrato, un historial médico o cualquier cosa que no pegarías en un conversor de terceros. Obtienes el Markdown sin que el documento salga nunca de tu máquina.
#Abrir el archivo .md descargado
La descarga es un archivo .md con el tipo Markdown correcto, listo para cualquier herramienta que hable Markdown. En macOS se abre en TextEdit; en Windows, al hacer doble clic se te pide elegir una aplicación la primera vez, ya que Windows no tiene un controlador predeterminado para .md. Elige tu editor preferido (VS Code, Notepad, Obsidian) una vez y Windows lo recordará. Si solo necesitas el texto en un prompt, usa Copy to clipboard y omite el archivo por completo.
¡Listo! Tu PDF ahora es Markdown limpio, listo para alimentar a un LLM con menos tokens y una mejor estructura.
Si tienes alguna pregunta, no dudes en escribir a support@simplepdf.com