Guías
Preparar PDF, Word y Excel como Markdown limpio para RAG y LLMs
Convierte PDFs confidenciales, documentos Word DOCX y hojas Excel en Markdown estructurado para chunking vectorial y contexto LLM — 100% en local.
Respuesta rápida: Los modelos LLM y bases vectoriales fragmentan Markdown semántico con mucha mayor precisión que binarios `.pdf`, `.docx` o `.xlsx` porque preserva títulos, listas y tablas GFM. TxtTo procesa páginas PDF.js, estilos OOXML y hojas Excel localmente en RAM para generar Markdown listo para RAG.
Por qué la extracción bruta de PDF/DOCX arruina la precisión RAG
Las bases de datos vectoriales recuperan mal la información cuando los documentos entran como bloques de texto sin formato llenos de saltos a mitad de frase en PDF, números de página repetidos y filas de tablas aplastadas.
El Markdown semántico (encabezados `#`, listas `-`, `[enlaces](url)` y cuadrículas `| tabla |`) permite que los fragmentadores dividan por límites de sección para que cada embedding conserve su contexto.
- Heurísticas por tamaño de fuente restauran encabezados `#` y `##` desde texto PDF.
- Cortes de línea a mitad de oración vuelven a unirse en párrafos continuos.
- Cabeceras y pies de página repetitivos se filtran automáticamente.
Extraer PDFs localmente con PDF.js autoalojado
Subir actas directivas, contratos legales o especificaciones internas a conversores externos expone propiedad intelectual sensible. TxtTo ejecuta un worker propio de PDF.js directamente desde el origen sin peticiones a CDN externos.
Cada PDF se procesa en memoria RAM del navegador, transformando informes multipágina en Markdown listo para indexación o prompts.
Extracción en TypeScript puro de Word (.docx) y Excel (.xlsx)
Los archivos Word `.docx` ya guardan estilos `Heading1`, hipervínculos, listas y cuadrículas `<w:tbl>` dentro de `word/document.xml`. Leer OOXML directo conserva la estructura y descarta multimedia pesada.
De igual modo, las hojas de Excel se convierten en tablas GFM alineadas para que los modelos lean cifras financieras multicolumna sin perder los encabezados.
## Q3 Architecture Metrics
| Region | Latency (ms) | Availability |
| :--- | :--- | :--- |
| US-East | 38.4 | 99.99% |
| EU-West | 42.1 | 99.98% |Calcular el tamaño de los fragmentos con contador offline de tokens
Una vez que tengas tus documentos en Markdown limpio, verifica el total de tokens para las ventanas de contexto de GPT-5, Claude 4 o Gemini 2.5 antes de fragmentar o lanzar consultas.
Referencias
Preguntas frecuentes
¿La extracción local sin OCR puede leer PDFs escaneados como imagen?
No. La extracción PDF en el cliente lee capas de texto seleccionable; los escaneos formados únicamente por imágenes sin capa de texto requieren OCR.
¿Word a Markdown conserva hipervínculos y listas numeradas?
Sí. Las relaciones en word/_rels/document.xml.rels resuelven enlaces clicables en Markdown y las definiciones de numeración reconstruyen viñetas y listas ordenadas.
¿Por qué usar tablas Markdown en vez de CSV crudo dentro de docs RAG largos?
Las tablas Markdown con barras se integran dentro de la prosa sin romper la jerarquía de títulos durante la división de fragmentos orientada a Markdown.
Formatos relacionados
Comparativas relacionadas
Guías relacionadas
- Markdown a PDF y PDF a TXT: flujos documentales limpios sin conexiónExporta Markdown a PDF A4 o Carta con soporte CJK y extrae texto plano o Markdown limpio de PDFs locales con PDF.js sin subir archivos.
- Convertir ebooks EPUB a Markdown para Obsidian y estudio con IADesempaqueta libros EPUB sin DRM localmente a notas Markdown listas para Obsidian o capítulos ZIP — conservando títulos, enlaces y prosa limpia.
- Crear datasets JSONL válidos para fine-tuning desde CSV y JSONGenera archivos .jsonl válidos para fine-tuning de OpenAI chat, Alpaca y Gemini desde hojas de cálculo y arreglos JSON en local con validación por línea.