Cómo pasar un PDF a LaTeX: qué se puede recuperar y qué no

Tienes un PDF y necesitas editarlo en LaTeX: un apunte, un informe antiguo, un formato que hay que reutilizar. La conversión automática existe, pero conviene saber desde el principio qué esperar, porque no es magia: un PDF no es un documento, es una imagen con texto colocado. Aquí te cuento qué se recupera bien, qué no y cómo terminar el trabajo.

Por qué es difícil

Un archivo LaTeX dice «esto es un título», «esto es una lista», «esto es una fórmula». Un PDF solo dice «escribe esta letra en esta posición, con este tamaño». Para volver atrás, el programa tiene que adivinar la estructura a partir de la posición y el tamaño del texto. Eso funciona bien para lo regular (párrafos, títulos más grandes, listas con viñetas) y mal para lo que depende del significado, como las fórmulas.

Qué se recupera bien

• El texto, con los acentos y caracteres especiales escapados para que LaTeX los acepte.
• Los títulos y las secciones, por el tamaño de la letra y por la numeración («1 Introducción», «2.1 Método»).
• Los párrafos, uniendo las líneas y quitando los guiones de fin de línea.
• Las listas con viñetas o con números.
• Los artículos a dos columnas, que se leen en el orden correcto.
• Las tablas sencillas, detectadas por la alineación del texto.
• Los encabezados y números de página repetidos, que se eliminan.

Qué no se recupera (y por qué)

• Las fórmulas. En el PDF son letras y símbolos sueltos, a veces en fuentes especiales. Se convierten los símbolos sencillos (letras griegas, ≤, ±, ∞…), pero una fracción o un sumatorio complejo hay que reescribirlos.
• Las figuras. La herramienta te marca con un comentario en qué página había una imagen; tú la extraes (puedes usar PDF a imágenes) y la incluyes con \includegraphics.
• El diseño exacto. Márgenes, tipografías y posiciones no se reproducen: LaTeX volverá a componer el documento con su propio estilo.
• Los PDF escaneados. Son imágenes: antes necesitan un OCR.

Paso a paso con la herramienta

1. Abre PDF a LaTeX y sube tu archivo.
2. Elige el tipo de documento (article para apuntes y artículos, report o book si tiene capítulos) y el idioma, para que babel ponga bien los títulos y la separación de palabras.
3. Elige el motor: pdfLaTeX es el más común; XeLaTeX o LuaLaTeX si vas a usar fuentes propias o muchos caracteres Unicode.
4. Pulsa «Convertir a LaTeX». Al terminar verás un resumen con los títulos, párrafos, listas y tablas que encontró.
5. Pulsa «Verlo compilado» para abrirlo en LaTeX a PDF y compararlo con el original.

Cómo terminar el trabajo a mano

El resultado es un buen borrador, no un documento final. Esta es la lista que yo seguiría:

1. Busca «% REVISAR» en el código: cada uno marca un lugar donde conviene mirar el PDF original.
2. Corrige las fórmulas. Reescríbelas con $...$ o \begin{equation}. Si son muchas, un OCR de fórmulas te ahorra tiempo.
3. Revisa las tablas. Comprueba que cada dato quedó en su columna y añade los encabezados si hace falta.
4. Agrega las figuras con \includegraphics y su pie con \caption.
5. Reconstruye la bibliografía. Las referencias salen como texto: conviene pasarlas a un archivo .bib o a un entorno thebibliography.
6. Lee el documento completo una vez, sobre todo los títulos y el principio de cada párrafo, que es donde la detección se equivoca más.

Cuando existe una alternativa mejor

• Tienes el archivo original: pídelo a quien lo escribió. Es lo más fiable.
• Es un artículo científico: arXiv publica el código fuente de la mayoría de sus artículos; búscalo en la página del artículo.
• Tiene muchas fórmulas: un OCR de fórmulas dará mejor resultado que cualquier conversión de texto.

Consejos para mejores resultados

• Los PDF creados desde Word, Google Docs o LaTeX (con texto seleccionable) convierten mucho mejor que los escaneados.
• Un PDF de una sola columna y con letra de tamaño uniforme sale más limpio que una revista con diseño complejo.
• Si el PDF tiene contraseña, la herramienta te la pedirá al abrirlo.

Resumen

Convertir un PDF a LaTeX te ahorra teclear todo el texto y la estructura básica, pero no sustituye una revisión: las fórmulas, las figuras y el diseño son lo que más trabajo manual piden. Úsalo como punto de partida, compáralo con el original en el compilador y corrige lo marcado.