PDF To Images

Tipo: pdf-to-images · Paquete: PDF Activities v1.1.0 · Salida: List

Convierte las páginas de un PDF en archivos PNG. Es el puente entre un PDF escaneado (sin texto seleccionable) y las actividades que trabajan sobre imágenes: OCR y las de visión.

Cómo funciona

Renderiza cada página indicada a un PNG dentro de outputDir (se crea si no existe) y devuelve la lista de rutas de los archivos creados, en orden de página.

Los archivos se llaman <prefix>_<página>.png con el número de página a tres cifras — por ejemplo factura_001.png, factura_002.png. Si no indicas prefix, se usa el nombre del PDF de origen sin extensión.

El dpi decide la calidad del render: más DPI mejora la precisión del OCR, a costa de tiempo y tamaño de archivo. Por defecto 200, que suele ser un buen equilibrio para documentos.

Parámetros requeridos

Parámetro	Editor	Descripción
`path`	expresión	Ruta del PDF de origen.
`outputDir`	expresión	Carpeta donde se guardan los PNG. Se crea si no existe.

Parámetros opcionales

Parámetro	Editor	Descripción
`pages`	expresión	Páginas a renderizar: `"all"` (def.) o un rango como `"1-3,5,7-9"`.
`dpi`	expresión	Resolución del render. Por defecto `200`. Entre 36 y 1200.
`prefix`	expresión	Prefijo del nombre de los archivos. Por defecto, el nombre del PDF sin extensión.

Salida

Devuelve una List con las rutas de los PNG creados, una por página renderizada.

Ejemplo

Leer un PDF escaneado pasándolo por OCR página a página:

PDF To Images   path = = rutaEscaneado   outputDir = "C:/temp/paginas"   dpi = 300   → output: imagenes
For Each   collection = = imagenes   itemVariable = imagen
 └─ activities:
      OCR Recognize File   path = = imagen   language = "spa"   → output: texto
      Log   message = = texto

Renderizar solo la primera página:

PDF To Images   path = = ruta   outputDir = "C:/temp"   pages = "1"   prefix = "portada"   → output: imagenes

Actividades relacionadas

OCR Recognize File — leer el texto de las imágenes generadas.
PDF Get Words — si el PDF sí tiene texto, obtén las palabras con coordenadas que cuadran con estas imágenes al mismo DPI.
PDF Get Text — extraer texto sin pasar por imagen.