Convertir PDF a Word

Qué se convierte bien y qué no

Un PDF registra glifos en coordenadas. No tiene párrafos y, salvo que alguien lo haya etiquetado a propósito, tampoco títulos, así que ambos se deducen en lugar de leerse. Las palabras que comparten línea base forman una línea, un espacio vertical más amplio inicia un párrafo nuevo, y una línea corta compuesta a unas 1.6 veces el tamaño mediano del cuerpo del documento se convierte en un Título 1, y a 1.3 veces, en un Título 2. Conviene conocer esta última regla antes de empezar a editar: un documento cuyos títulos están en negrita pero no son más grandes que el texto del cuerpo llega como texto normal, y el panel de navegación de Word estará vacío.

Los enlaces se conservan, y eso sorprende. Una anotación de enlace sobre un fragmento de texto se convierte en un hipervínculo real de Word, y una entrada del índice o una referencia cruzada que saltaba a la página doce se convierte en un enlace interno a un marcador colocado al principio de esa página, así que el índice sigue funcionando después de la conversión.

Hay dos cosas que no se leen en absoluto. Las respuestas de un formulario PDF completado viven en objetos de campo y no en la página, así que en “Texto editable” simplemente no aparecen; “Aspecto exacto” las muestra, porque forman parte de la imagen de la página, pero no como texto editable. Los comentarios y los sellos son el mismo tipo de objeto y corren la misma suerte. Y en “Aspecto exacto” el diseño se renderiza una sola vez a 144 DPI con el texto real colocado encima, así que un logo o un gráfico que era vectorial en el PDF es una imagen en el .docx, y al ampliarlo se nota.

Si buscas otra cosa

Cuando lo que quieres son las palabras y no un documento de Word, pdftotext -layout file.pdf de Poppler es más rápido y predecible, mantiene las columnas separadas con espacios y es la forma habitual de pasar un PDF a cualquier otra cosa. Y si el PDF se creó a partir de un archivo de Word, pídele el .docx a quien lo hizo: toda conversión de vuelta es una reconstrucción a partir de coordenadas, y el original es la única copia que no lo es.

Las tablas son el punto débil de todos los conversores de PDF a cualquier formato, incluido este. Si un documento es sobre todo tablas y los números importan, Tabula y Camelot son gratuitos, están hechos para ese único problema y ganarán en eso a un conversor general.