Qué hace realmente una conversión de PDF a Word, visto en su registro de pasos

Convertir un PDF en un documento editable suele describirse como una acción. No lo es. Una ejecución real de este sitio contiene ocho pasos registrados, dos de ellos fallos de los que la canalización se recupera. El registro merece lectura porque explica a la vez el precio y el comportamiento ante fallos.

El registro de una tarea correcta

inspect_document              pypdf-docx-editable     884 ms
  extract_document_content     pypdf-docx-editable     644 ms
  render_document_page         pypdf-docx-editable     482 ms  error: unsupported_renderer
  convert_to_editable_document compact_spacing         424 ms  error: strategy_requires_optimization
  convert_to_editable_document (retry)                1357 ms
  validate_editable_document                           4289 ms
  optimize_document_candidate  compact_spacing        1040 ms
  validate_editable_document (after optimise)          3875 ms

Dos de esas líneas son errores y la tarea aun así salió bien. Ese es el diseño: un error en un paso es información que el bucle usa, no un veredicto sobre el documento.

Por qué renderiza su propia salida

El paso más importante es validate_editable_document, y el más lento: 4,3 segundos aquí. Lo que hace es renderizar el DOCX recién producido de vuelta a una imagen y compararla con la página de origen. Cobertura de texto, números ausentes, estructura de tablas, celdas combinadas, bordes, texto fuera de los límites de página.

Esa es la diferencia entre «la conversión se ejecutó» y «la conversión produjo algo utilizable». Una canalización que se detiene tras escribir el archivo no sabe si el archivo está bien; un verificador que solo lee el XML del DOCX puede confirmar que los párrafos existen mientras la página renderizada ha perdido la mitad del texto. Renderizar de nuevo es cómo se descubre.

El error unsupported_renderer del tercer paso es la versión honesta de la misma idea: el renderizador probado no podía hacer el trabajo, así que la canalización lo dice en lugar de saltarse la verificación y fingir que la salida se comprobó.

El bucle de reparación

Cuando la validación encuentra un problema, la canalización no falla de inmediato. Optimiza el candidato —aquí una estrategia de espaciado compacto para contenido desbordado— y valida otra vez. Las dos conversiones del registro son el mismo documento convertido dos veces con estrategias distintas, y el primer intento fue rechazado explícitamente por la puerta de optimización antes de probar el segundo.

Por eso una tarea correcta tarda de 35 a 70 segundos en este sitio y una fallida de 12 a 32. El fallo aborta el bucle; el éxito lo lleva hasta el final, con al menos un renderizado completo nuevo y una comparación. Pagar el camino lento es el objetivo: el camino rápido produce documentos que parecen correctos y a los que les falta una columna.

Qué significa un fallo aquí

De las conversiones registradas en este sitio, siete fallaron y nueve salieron bien. Las siete llevan el mismo código agent_execution_failed: el bucle agotó sus intentos de reparación, sin problema de facturación ni de red. En todos los casos no se publicó archivo y se liberaron los créditos reservados.

Esa distinción importa al decidir si reintentar. Aquí un fallo es una afirmación sobre el documento —este escaneo no sobrevivió a la conversión con los intentos disponibles— no sobre una caída del servicio. Volver a subir el mismo archivo suele fallar igual. Un escaneo más nítido, o un PDF digital en lugar de una foto, cambia el resultado.

De qué advierten incluso los éxitos

Cada conversión correcta en este sitio lleva la advertencia layout_approximate, y no es un defecto disculpado. Convertir una página de diseño fijo en un documento fluido impide que fuentes y espaciados coincidan con el original: este no tenía estructura refluible que conservar. Una imagen de página coincidiría exactamente, pero entonces nada sería editable, lo que destruye el propósito.

Saber cuál de los dos necesitas es la mayor parte de la decisión. Si el documento debe verse idéntico, necesitas un PDF, no un Word. Si debe ser editable, el diseño aproximado es el precio, y la pregunta útil pasa a ser si sobrevivieron el texto, los números y las tablas, que es exactamente lo que mide el paso de validación.