PDF a EPUB
Un libro electrónico EPUB para Apple Books, Kobo, Google Play Books y cualquier app de lectura. Los capítulos se convierten en un índice que puedes tocar.
Convierte un PDF en JSON estructurado.
Extraer el texto de un PDF te da líneas, no un documento. WandPDF reconstruye la estructura y la escribe en JSON: cada título, párrafo, lista, tabla y nota al pie como su propio bloque, en orden de lectura.
Probado con 31 libros: 25 salieron limpios con WandPDF, 2 con Calibre (el motor de CloudConvert). Ver la pruebaPDF a JSON, antes y después
Un convertidor común vuelca el texto de la página línea por línea. WandPDF escribe la estructura.
Formatos
Un libro electrónico EPUB para Apple Books, Kobo, Google Play Books y cualquier app de lectura. Los capítulos se convierten en un índice que puedes tocar.
Un archivo AZW3 para dispositivos y apps Kindle. Cambias el tamaño de la letra y el texto se reacomoda, en lugar de hacer zoom sobre una página diminuta.
Texto limpio con títulos, listas y tablas para tus notas, Obsidian, una wiki o como entrada para ChatGPT, Claude y otros LLM.
Texto plano con párrafos completos, sin números de página ni líneas cortadas. Los PDF escaneados se leen con OCR.
Una sola página web legible, con títulos, tablas y notas al pie de verdad, y las imágenes dentro. Se adapta al teléfono, no es una copia de la página impresa.
El documento en bloques con tipo, en orden de lectura: títulos, párrafos, listas, celdas de tabla, notas al pie. Para RAG, búsqueda y scripts.
PróximoLo siguiente es Word: un documento editable, no una copia del diseño de la página.
Cómo funciona
Cualquier PDF: un artículo, un informe, un manual, un libro o un escaneo de páginas impresas.
Un archivo .json: el título, el índice y una lista plana de bloques con tipo.
Divide por títulos para RAG, indexa párrafos para búsqueda o lee tablas celda por celda en un script.
Por dentro
Dejan de aparecer en mitad de las frases.
Vuelven a unirse en un solo párrafo.
Las que se cortan al final de una línea vuelven a estar completas.
Se leen columna por columna, no de lado a lado.
Siguen enlazadas al lugar al que pertenecen.
Conservan sus pies de foto, y el texto junto a una imagen sigue siendo texto.
Limpio significa sin defectos graves como párrafos rotos, números de página sueltos, encabezados repetidos o texto perdido.
Preguntas frecuentes
Un objeto con title, author, lang, pages (el número de páginas), toc y blocks. Cada bloque tiene un tipo (heading, paragraph, list, table, figure, math, code, footnote, quote o note), el capítulo al que pertenece y su contenido: text en la mayoría, items en una lista, filas de celdas en una tabla, LaTeX en una fórmula destacada. Además, cada bloque tiene los campos page y bbox, descritos más abajo.
Para eso está hecho. Del texto se quitan los encabezados, los números de página impresos y la división de palabras, los párrafos salen enteros y en orden de lectura, y los títulos van marcados, así que puedes dividir por secciones reales en lugar de ventanas de tamaño fijo. Cada bloque conserva además su página del PDF, lo que permite que una respuesta cite su fuente.
Sí. Cada bloque tiene un campo page, la página del PDF donde empieza (contando desde 1), y un campo bbox, su recuadro delimitador en esa página en formato [x0, top, x1, bottom], en puntos (1/72 de pulgada) desde la esquina superior izquierda de la página, con la y creciendo hacia abajo, como en pdfplumber. Con ellos puedes citar la página de origen o resaltar el pasaje en un visor de PDF. El campo page es la posición de la página en el archivo y puede no coincidir con el número impreso en ella. Un bloque que continúa tras un salto de página o pasa a otra columna tiene además sus propios arrays pages y bboxes, con una entrada por cada parte.
Como filas de celdas, cada una con su texto y, cuando corresponde, la marca de encabezado y su colspan y rowspan. Las tablas dibujadas con líneas salen con más seguridad; algunas tablas sin líneas todavía salen como párrafos.
No. Un bloque figure lleva el texto alternativo y el pie de la imagen, no la imagen en sí. Elige EPUB, HTML o Markdown para conservar las imágenes.
Sí, en inglés, alemán, francés, español, italiano, portugués y ruso. Cuando las páginas son imágenes, WandPDF reconoce el texto de cada una (OCR) y arma el libro a partir de él, así que puedes cambiar el tamaño de la letra y buscar en el texto. Un libro escaneado largo tarda varios minutos, y la página muestra cuánto lleva.
El inglés y los demás idiomas con alfabeto latino, además del chino y el japonés. El árabe, el hebreo y otras escrituras de derecha a izquierda todavía están en desarrollo.
Se guarda solo el tiempo necesario para convertirlo y que descargues el resultado, y después se elimina.
EPUB, Kindle, Markdown, texto, HTML y JSON a partir de una sola subida.
Convertir un PDF