Trampas del PDF · PDF comentado → fuente editable

Por qué pegar desde PDF sale mal

Copiar desde un PDF no siempre es copiar texto limpio. A veces es traducir una página visual a una cadena de texto editable.

En pantalla parece sencillo.

Ves una página ordenada: líneas, columnas, palabras, tablas, notas, títulos, pies, números. Seleccionas una frase, copias, pegas.

Y entonces aparece el pequeño desastre.

• Saltos de línea donde no tocaba.
• Palabras partidas.
• Guiones de final de línea.
• Columnas mezcladas.
• Espacios invisibles.
• Ligaduras raras.
• Tablas convertidas en una fila imposible.
• Un orden de lectura que nadie habría leído así.

El PDF no es solo texto: también es geometría

El problema está antes del portapapeles.

Un PDF puede contener texto, claro. Pero no lo guarda siempre como lo guarda Word, XML, HTML o un documento fuente editable. También guarda una composición visual: posiciones, cajas, líneas, columnas, glifos, fragmentos.

Tú ves una frase. El archivo puede guardar piezas colocadas en una página.

Por eso copiar desde PDF no siempre significa extraer una frase limpia. A veces significa reconstruir una ilusión visual como texto corrido.

No falla solo el copiar y pegar

Esto no ocurre únicamente cuando usas Ctrl+C y Ctrl+V.

También puede pasar cuando exportas un PDF a Word. O cuando usas un conversor online. O cuando una herramienta de Adobe intenta reconstruir el documento. O cuando una librería técnica extrae texto con Python u otro sistema.

Cada camino tiene sus trampas.

El exportador puede inventar cajas, estilos, saltos o columnas. El conversor puede ordenar mal bloques de texto. La extracción técnica puede leer coordenadas, glifos y posiciones, pero no entender la página como la entiende una persona.

El PDF no siempre te entrega el texto que ves. Te entrega el texto que puede reconstruir.

El problema serio empieza al buscar

Si el objetivo fuera solo pegar un párrafo en otro sitio, esto sería una molestia de formato. Lo arreglas, limpias saltos, unes palabras y sigues.

Pero aplicar comentarios de revisión casi nunca es solo pegar. Antes hay que llegar al lugar correcto del documento fuente.

A veces se llega mirando: PDF a un lado, fuente al otro, scroll, ojo editorial, títulos, números, palabras raras, negritas, tablas o cualquier faro visual que ayude a orientarse.

Otras veces se llega buscando: copias una selección del PDF, o una frase cercana, y la pegas en una caja de búsqueda.

En Ctrl+F. En buscar y reemplazar. En el buscador interno de Word, de un XML, de un HTML, de un editor de texto o de una herramienta propia.

Ahí la deformación ya no es solo estética. Puede convertir una coincidencia en un “no encontrado”.

Una selección que debería encontrar una coincidencia puede encontrar cero. Una frase que visualmente existe en el fuente puede no aparecer porque llega desde el PDF con cortes, guiones, espacios o caracteres que no estaban en el documento editable.

Entonces el problema ya no es “se ha pegado raro”. El problema es más grave: no has conseguido localizar el cambio.

revi-
sión editorial

revisión editorial

Visualmente sabes que es lo mismo.

El buscador no siempre.

Por eso pegar desde PDF sale mal por la misma razón por la que buscar desde PDF puede fallar: antes de comparar PDF y fuente, alguien ha tenido que convertir una página visual en texto comparable.

El criterio IMC

Insert My Comments no puede tratar el texto que viene del PDF como si fuera una verdad limpia.

Tiene que normalizar, comparar con cuidado y sospechar de lo que parece obvio: guiones que quizá no son guiones reales, espacios que no son espacios normales, columnas que visualmente estaban separadas pero técnicamente llegan mezcladas.

El problema no empieza cuando pegas mal.

Empieza antes: cuando el PDF te hace creer que estás copiando una frase limpia, pero en realidad está intentando traducir una página visual a una cadena buscable.

; Copiar limpio desde PDF
		; AutoHotkey v2
		; Atajo: Ctrl + Alt + C
		;
		; Uso:
		; 1. Selecciona texto en el PDF.
		; 2. Pulsa Ctrl + Alt + C.
		; 3. El portapapeles queda con una versión más limpia.
		; 4. Pega donde quieras: Word, Ctrl+F, XML, editor de texto, etc.

		^!c::
		{
			oldClip := A_Clipboard
			A_Clipboard := ""

			Send "^c"

			if !ClipWait(1) {
				A_Clipboard := oldClip
				return
			}

			text := A_Clipboard

			; Espacios y caracteres invisibles frecuentes
			text := StrReplace(text, Chr(160), " ")    ; NBSP / espacio duro
			text := StrReplace(text, Chr(173), "")     ; soft hyphen

			; Ligaduras comunes
			text := StrReplace(text, "fi", "fi")
			text := StrReplace(text, "fl", "fl")
			text := StrReplace(text, "ff", "ff")
			text := StrReplace(text, "ffi", "ffi")
			text := StrReplace(text, "ffl", "ffl")

			; Unir palabras partidas por guion de final de línea
			; Ejemplo: revi-
			;          sión  → revisión
			text := RegExReplace(
				text,
				"([A-Za-zÁÉÍÓÚÜÑáéíóúüñ])-\R([A-Za-zÁÉÍÓÚÜÑáéíóúüñ])",
				"$1$2"
			)

			; Convertir saltos de línea restantes en espacios
			text := RegExReplace(text, "\R+", " ")

			; Normalizar espacios múltiples
			text := RegExReplace(text, "[ \t]{2,}", " ")

			; Recortar espacios exteriores
			text := Trim(text)

			A_Clipboard := text
		}