Prueba
10.000 páginas
3,75 US$
0,38 US$/1K páginas
- Pruébalo con tus URLs reales
- La misma API que el pack más grande
- Los créditos nunca caducan
Respuesta rápida
¿Existe una API que convierta un PDF desde una URL a Markdown?
Sí. Con WebReaderAPI, envía la URL del PDF a https://webreaderapi.com/api/v1/read: la API descarga el archivo y devuelve su texto como Markdown, con encabezados, párrafos, listas y tablas simples. Se admiten archivos de hasta 20 MB y 100 páginas, a 1 crédito por bloque de 10 páginas iniciado, desde 0,07 US$/1K páginas a fecha de octubre de 2026. Sin KYC; paga con criptomonedas.
PDF a Markdown de un vistazo
| Endpoint | GET https://webreaderapi.com/api/v1/read?url=https://…/report.pdf (el mismo que para páginas web) |
|---|---|
| Límites | Los archivos PDF de hasta 20 MB y 100 páginas se convierten a Markdown, a 1 crédito por cada bloque de 10 páginas iniciado |
| Salida | Texto Markdown con encabezados, párrafos, listas y tablas simples; format=text para texto plano |
| No admitido | PDFs escaneados sin capa de texto (sin OCR), archivos protegidos con contraseña |
| robots.txt | Se aplica a los enlaces de PDF igual que a cualquier otra página |
| Pago | BTC, USDT, USDC, ETH, SOL, LTC, desde una recarga de 25 US$; sin KYC |
¿Cómo se cuentan las páginas de un PDF?
Un PDF cuesta 1 crédito por bloque de 10 páginas iniciado. Un folleto de 4 páginas cuesta 1 crédito, un informe de 25 páginas 3 créditos y un manual de 100 páginas 10 créditos. La respuesta indica la cifra exacta en credits_used.
Los archivos de más de 20 MB o de más de 100 páginas devuelven 422 unsupported_content y no consumen crédito. Para un documento largo, busca primero una versión HTML del mismo contenido: suele ser más barata y estar mejor estructurada.
¿Cómo se ve el Markdown?
El conversor reconstruye el orden de lectura a partir de la capa de texto del PDF. Las líneas grandes o en negrita al inicio de una sección se convierten en encabezados, los elementos con viñetas y numerados pasan a listas Markdown y las tablas de cuadrícula simples se convierten en tablas Markdown.
Los encabezados de página, pies de página y números de página que se repiten en cada página se eliminan, para que no partan frases en tus chunks. Los diseños a dos columnas se leen columna a columna. Las notas al pie se mantienen como texto en el punto donde las coloca la página.
import os
import re
import requests
resp = requests.get(
"https://webreaderapi.com/api/v1/read",
headers={"Authorization": "Bearer " + os.environ["WEBREADER_API_KEY"]},
params={"url": "https://example.com/annual-report.pdf"},
timeout=120,
)
resp.raise_for_status()
doc = resp.json()
chunks = [c.strip() for c in re.split(r"\n(?=#{1,3} )", doc["markdown"]) if c.strip()]
print(len(chunks), "chunks,", doc["credits_used"], "credit(s)")
for c in chunks[:3]:
print(c.splitlines()[0])
¿Qué PDFs funcionan mejor y cuáles no?
Los PDFs exportados desde un procesador de textos, una web o una herramienta de publicación funcionan mejor: llevan una capa de texto con fuentes y posiciones. Los informes anuales, artículos de investigación, manuales de producto, documentos de políticas y listas de precios suelen estar en este grupo.
Los documentos escaneados son imágenes de páginas y no tienen capa de texto. WebReaderAPI no ejecuta reconocimiento óptico de caracteres, así que un escaneo devuelve poco texto o ninguno; el campo word_count lo muestra al momento. Los PDFs protegidos con contraseña y cifrados se rechazan con 422 unsupported_content, sin cargo.
¿Cómo encajan los PDFs en un pipeline RAG?
Trátalos como páginas web. Lee el PDF, divide el Markdown por sus encabezados, añade la URL de origen y el título de la página a los metadatos de cada chunk y luego vectoriza. Conservar la URL permite que tu asistente cite el documento que usó.
Cuando un rastreo encuentra enlaces a PDFs en el mismo dominio, los lee con las mismas reglas y las mismas comprobaciones de robots.txt. Consulta la guía de RAG para ver un ejemplo completo de ingesta.
¿Cuánto cuesta la conversión de PDF?
Los PDFs consumen los mismos créditos que las páginas web: 1 crédito por bloque de 10 páginas iniciado. Con 10.000 páginas por 3,75 US$, puedes convertir unos 10.000 PDFs cortos o 1.000 documentos de 100 páginas.
Starter
50.000 páginas
14,25 US$
0,28 US$/1K páginas
- Un agente de IA o un prototipo de RAG
- Rastrear un sitio de documentación
- Los créditos nunca caducan
Build
100.000 páginas
21,75 US$
0,22 US$/1K páginas
- Agentes en producción y pipelines de RAG
- Trabajos de batch y rastreo
- Los créditos nunca caducan
Scale
500.000 páginas
50 US$
0,10 US$/1K páginas
- Bases de conocimiento grandes
- Mayor concurrencia bajo petición
- Los créditos nunca caducan
En todos los planes: Extracción del contenido principal · Renderizado de JavaScript cuando es necesario · Las páginas fallidas y rechazadas no se cobran · Los créditos nunca caducan
API de PDF a Markdown: preguntas frecuentes
¿Puedo subir un archivo PDF en lugar de enviar un enlace?
No en la versión 1. La API lee PDFs desde una URL pública. Para convertir un archivo privado, colócalo en una URL que controles durante el tiempo de la petición.
¿Extrae texto de PDFs escaneados?
No. WebReaderAPI lee la capa de texto de un PDF y no ejecuta OCR. Un documento escaneado devuelve poco texto o ninguno, lo que muestra el campo word_count.
¿Se conservan las tablas?
Las tablas de cuadrícula simples se convierten en tablas Markdown. Las tablas con celdas combinadas o diseños complejos se conservan como texto en orden de lectura, que los modelos siguen leyendo bien.
¿Se cobra un PDF si falla?
No. Los archivos demasiado grandes, demasiado largos, cifrados o rechazados por el sitio no se cobran. 1 crédito = 1 página leída sin navegador; 2 créditos cuando la página necesita un navegador para renderizar JavaScript. Una solicitud que falla, o que el robots.txt de un sitio rechaza, no se cobra.