--- seo_title: API de cualquier archivo a Markdown para RAG | EnConvert meta_desc: Convierte archivos PDF, DOCX, PPTX, XLSX, CSV, HTML y EPUB a Markdown limpio con POST /v1/convert/anything-to-markdown para pipelines de LLM y RAG. keywords: api de archivo a markdown, convertir pdf a markdown api, docx a markdown api, archivo a markdown para rag, convertir documentos a markdown para llm, xlsx a markdown api, pptx a markdown api, epub a markdown api --- # API de cualquier archivo a Markdown El endpoint `POST /v1/convert/anything-to-markdown` convierte casi cualquier documento que subas — PDF, Word, PowerPoint, Excel, CSV, HTML, EPUB, texto plano y archivos OpenDocument — a Markdown limpio con reconocimiento de encabezados. Detecta el formato automáticamente a partir del archivo que envías, lo despacha al extractor adecuado y devuelve un único archivo `.md` con la estructura que los pipelines de LLM y RAG realmente necesitan: encabezados `#`/`##`/`###` reales, tablas de tuberías GitHub-Flavored, bloques de código delimitados y enlaces resueltos. Es la contraparte para archivos de [url-to-markdown](/es/docs/endpoints/web-pages/url-to-markdown), y el mismo conversor impulsa la ingesta de archivos en [el endpoint de ingesta](/es/docs/v2-ingest) — de modo que el Markdown que obtienes aquí es exactamente lo que consume el fragmentador semántico. Un solo endpoint reemplaza toda una pila de bibliotecas específicas por formato (pdfplumber, mammoth, python-pptx, openpyxl): sube un archivo, obtén Markdown y aliméntalo a tus embeddings. --- ## Endpoint ``` POST /v1/convert/anything-to-markdown ``` **Content-Type:** `multipart/form-data` **Formato de salida:** Markdown (`.md`, UTF-8). El formato se detecta automáticamente a partir de la extensión del nombre del archivo subido y de sus magic bytes — no especificas un tipo de entrada. --- ## Formatos de entrada admitidos El tipo de entrada se detecta a partir de la extensión del archivo (validada contra los magic bytes del archivo). Estos son todos los formatos que acepta el endpoint: | Categoría | Formatos | Extensiones | Notas | |----------|---------|------------|-------| | PDF | PDF | `.pdf` | Encabezados inferidos a partir del tamaño de fuente; tablas extraídas como tablas de tuberías; encabezados/pies de página recurrentes deduplicados. Los PDF escaneados o solo de imagen no tienen capa de texto y se rechazan — no se realiza OCR. | | Word | DOCX, DOC | `.docx`, `.doc` | Los estilos de encabezado de Word se convierten en `#`/`##`/`###`; se conservan listas y tablas. `.doc` (heredado) se maneja a través de LibreOffice. | | Presentaciones | PPTX, PPT | `.pptx`, `.ppt` | Una sección `## Slide N` por diapositiva, viñetas del cuerpo, tablas y notas del orador. `.ppt` (heredado) a través de LibreOffice. | | Hojas de cálculo | XLSX, XLS, CSV | `.xlsx`, `.xls`, `.csv` | Un encabezado `## SheetName` más una tabla GFM por hoja. Los valores de las celdas se conservan tal cual (los ceros a la izquierda y los códigos no se reformatean). | | Libros electrónicos | EPUB | `.epub` | Capítulos concatenados en orden de lectura (spine); se omite el documento de tabla de contenidos/navegación. | | Web / marcado | HTML, XHTML | `.html`, `.htm`, `.xhtml` | Conversión fiel del documento completo (no una extracción solo del artículo). | | OpenDocument | ODT, ODS, ODP | `.odt`, `.ods`, `.odp` | Documentos de texto, hoja de cálculo y presentación, a través de LibreOffice. | | Texto enriquecido | RTF | `.rtf` | Convertido a través de LibreOffice. | | Texto plano | Text, Markdown | `.txt`, `.text`, `.md`, `.markdown`, `.mdown`, `.mkd` | Paso directo con codificación normalizada (Markdown ya es una salida válida). |
Nota: Las imágenes (.png, .jpg y similares) aún no son compatibles con este endpoint — el OCR de imágenes requiere un pipeline separado y limitado por costos. Subir una imagen devuelve un 400 con un mensaje claro. Para convertir una página web a Markdown en lugar de un archivo, usa url-to-markdown.
--- ## Autenticación Este endpoint admite autenticación tanto con clave privada como con clave pública. ### Clave privada Incluye tu clave secreta en el encabezado `X-API-Key`. Úsalo para llamadas de servidor a servidor donde la clave nunca queda expuesta al cliente. ``` X-API-Key: sk_live_your_private_key ``` ### Clave pública con JWT Para uso del lado del cliente, primero genera un token JWT con tu clave pública y luego pásalo como token Bearer. **Paso 1 -- Obtén un token:** ``` POST /v1/auth/token X-API-Key: pk_live_your_public_key ``` **Paso 2 -- Usa el token:** ``` Authorization: Bearer eyJhbGciOiJIUzI1NiIs... ``` El flujo completo, incluyendo el bloqueo por dominio y la renovación de tokens, está en [la guía de autenticación](/es/docs/authentication). Cada clave de API lleva una lista blanca de endpoints permitidos — si `/v1/convert/anything-to-markdown` no está en la lista de la clave, la solicitud se rechaza con `403`. --- ## Parámetros de la solicitud Envía el archivo como `multipart/form-data`. El documento va en el campo `file`; el resto son campos de formulario opcionales. | Parámetro | Tipo | Obligatorio | Predeterminado | Descripción | |-----------|------|----------|---------|-------------| | `file` | file | Sí | -- | El documento a convertir. Su extensión debe ser uno de los formatos de entrada admitidos anteriores. | | `output_filename` | `string` | No | Nombre de entrada | Nombre personalizado para el archivo de salida. La extensión `.md` se añade automáticamente. | | `direct_download` | `boolean` | No | `true` | Se acepta por paridad en la forma de la solicitud con los demás endpoints de conversión. | | `job_id` | `string` | No | -- | ID de trabajo proporcionado por el cliente para la recuperación ante timeouts. Cuando una conversión síncrona supera los límites de tiempo del proxy inverso, consulta `GET /v1/convert/status/{job_id}` para recuperar el resultado. | --- ## Respuesta La conversión se ejecuta en el mismo proceso y el archivo `.md` resultante se almacena; luego el endpoint devuelve un cuerpo JSON con una URL de descarga prefirmada: ```json { "presigned_url": "https://spaces.example.com/...signed...", "object_key": "env/files/{project_id}/anything-to-markdown/report_20260714_101530123.md", "filename": "report_20260714_101530123.md", "file_size": 5124, "conversion_time_seconds": 1.8, "job_id": null } ``` Los mismos valores se reflejan en los encabezados de respuesta (`X-Object-Key`, `X-File-Size`, `X-Conversion-Time`, `X-Filename`) para que puedas leerlos sin analizar el cuerpo. Descarga el Markdown desde `presigned_url` — el enlace es de corta duración. --- ## Cómo se convierte cada formato Cada formato se normaliza a la misma forma de Markdown limpio, de modo que la fragmentación y el embedding posteriores ven una estructura consistente independientemente del origen. - **PDF** — El texto se extrae con posicionamiento a nivel de palabra. El tamaño de fuente más común se trata como texto del cuerpo; los tamaños mayores se convierten en encabezados `#`/`##`/`###` (los más grandes primero). Las tablas se detectan geométricamente y se emiten como tablas de tuberías GFM, y su texto se elimina del flujo de prosa para que nada se duplique. Las líneas que se repiten en la mayoría de las páginas (encabezados/pies de página recurrentes) se descartan. Un PDF **sin capa de texto** (un escaneo o una exportación solo de imagen) se rechaza con un claro `400` — este endpoint no ejecuta OCR. - **DOCX / DOC** — Los estilos de párrafo "Heading 1/2/3" de Word se asignan limpiamente a `#`/`##`/`###`; se conservan listas, tablas, negrita y cursiva. El `.doc` heredado se enruta primero a través de LibreOffice. - **PPTX / PPT** — Cada diapositiva se convierte en una sección `## Slide N: Title`, los marcadores de posición del cuerpo se convierten en viñetas, las tablas en tablas de tuberías y las notas del orador se añaden como una subsección `### Notes` — de modo que cada diapositiva es una unidad independiente y recuperable. - **XLSX / XLS / CSV** — Cada hoja de cálculo se convierte en un encabezado `## SheetName` más una tabla GFM; un CSV es una única tabla. Las celdas se leen como cadenas, por lo que los ID, los códigos y los ceros a la izquierda se conservan exactamente. - **EPUB** — Los documentos de contenido se leen en orden de spine (lectura) y se convierten capítulo por capítulo; el documento de navegación/tabla de contenidos se omite para que no contamine tus fragmentos. - **HTML / XHTML** — El documento completo se convierte fielmente (no se reduce a un único "artículo"), con script/style/noscript eliminados y encabezados, listas, tablas, enlaces y código conservados. - **ODT / ODS / ODP / RTF** — Convertidos a través del mismo motor de LibreOffice que impulsa los endpoints de documento a PDF. - **Text / Markdown** — Los finales de línea y la codificación se normalizan; una subida `.md` pasa esencialmente sin cambios. --- ## Formato de salida El resultado es Markdown GitHub-Flavored diseñado para el consumo por máquinas: - **Encabezados** — ATX (`#`, `##`, `###`), usados como límites semánticos de sección. - **Tablas** — Tablas de tuberías GFM (mantenidas atómicas, nunca divididas), con `|` escapado dentro de las celdas. - **Código** — Bloques delimitados con indicaciones de lenguaje cuando son detectables. - **Estructura** — Se conservan párrafos, listas y citas; las secciones por diapositiva y por hoja dan límites reales incluso a formatos planos. Como los encabezados son encabezados ATX reales, esta salida alimenta directamente a un fragmentador con reconocimiento de encabezados. Si quieres los fragmentos — no solo el Markdown — envía el archivo a [el endpoint de ingesta](/es/docs/v2-ingest) en su lugar, que ejecuta esta misma conversión y luego divide el resultado en JSONL listo para RAG. --- ## Cómo construir un pipeline de RAG Este endpoint convierte **un archivo a la vez** a Markdown. Para un pipeline de recuperación completo normalmente quieres fragmentos, no Markdown en bruto, y a menudo muchos archivos a la vez: - **Un archivo, solo el Markdown** — usa este endpoint y luego fragméntalo tú mismo. - **Muchos archivos, fragmentados en JSONL** — usa [`POST /v2/ingest/files`](/es/docs/v2-ingest#ingesting-files). Ejecuta la misma conversión en cada archivo subido, divide cada uno en fragmentos con reconocimiento de encabezados y ensambla un único archivo JSONL que se carga directamente en LangChain `JSONLoader`, LlamaIndex `SimpleDirectoryReader` o una base de datos vectorial. - **Páginas web en lugar de archivos** — usa [`POST /v2/ingest`](/es/docs/v2-ingest) (rastreo o lista de URL) o [url-to-markdown](/es/docs/endpoints/web-pages/url-to-markdown) para una sola página. --- ## Ejemplos de código ### curl (clave privada) ```bash curl -X POST https://api.enconvert.com/v1/convert/anything-to-markdown \ -H "X-API-Key: sk_live_your_private_key" \ -F "file=@quarterly-report.pdf" ``` ### Python (clave privada) ```python import requests with open("quarterly-report.pdf", "rb") as f: response = requests.post( "https://api.enconvert.com/v1/convert/anything-to-markdown", headers={"X-API-Key": "sk_live_your_private_key"}, files={"file": ("quarterly-report.pdf", f)}, ) response.raise_for_status() result = response.json() # Download the Markdown from the pre-signed URL. markdown = requests.get(result["presigned_url"]).text print(markdown) ``` ### Node.js (clave privada) ```javascript import { readFile } from "node:fs/promises"; const form = new FormData(); form.append( "file", new Blob([await readFile("quarterly-report.pdf")]), "quarterly-report.pdf" ); const response = await fetch( "https://api.enconvert.com/v1/convert/anything-to-markdown", { method: "POST", headers: { "X-API-Key": "sk_live_your_private_key" }, body: form } ); const result = await response.json(); const markdown = await fetch(result.presigned_url).then((r) => r.text()); console.log(markdown); ``` ### PHP (clave privada) ```php $ch = curl_init("https://api.enconvert.com/v1/convert/anything-to-markdown"); curl_setopt_array($ch, [ CURLOPT_POST => true, CURLOPT_RETURNTRANSFER => true, CURLOPT_HTTPHEADER => ["X-API-Key: sk_live_your_private_key"], CURLOPT_POSTFIELDS => [ "file" => new CURLFile("quarterly-report.pdf", "application/pdf", "quarterly-report.pdf"), ], ]); $data = json_decode(curl_exec($ch), true); curl_close($ch); echo $data["presigned_url"]; ``` --- ## Respuestas de error | Estado | Condición | |--------|-----------| | `400 Bad Request` | Tipo de archivo no admitido, un archivo vacío, la subida de una imagen (OCR no admitido) o un documento sin texto extraíble (p. ej. un PDF escaneado). | | `400 Bad Request` | Los bytes del archivo no coinciden con su extensión declarada (discrepancia de magic bytes). | | `401 Unauthorized` | Clave de API / token JWT ausente o inválido. | | `402 Payment Required` | Se alcanzó el límite mensual de conversiones o el límite de almacenamiento. | | `403 Forbidden` | `/v1/convert/anything-to-markdown` no está en los endpoints permitidos de la clave de API. | | `413 Payload Too Large` | La subida excede el límite de tamaño por archivo de tu plan. | | `500 Internal Server Error` | La conversión falló inesperadamente. | La referencia completa de códigos de estado está en [la guía de códigos de error](/es/docs/error-codes). --- ## Límites | Límite | Valor | |-------|-------| | Tamaño máximo de subida | Según el plan (Free: 5 MB) | | Conversiones mensuales | Según el plan (Free: 100) | | Retención de archivos | Según el plan (Free: 1 hora) | | Límite de páginas PDF | 2,000 páginas | | Formatos de entrada admitidos | Consulta la tabla de [formatos de entrada admitidos](#supported-input-formats) | --- ## Preguntas frecuentes ### ¿Cómo convierto un PDF a Markdown con una API? Envía una solicitud `POST` a `/v1/convert/anything-to-markdown` como `multipart/form-data` con el PDF en el campo `file` y tu clave en el encabezado `X-API-Key`. Recibes JSON con un `presigned_url` a un archivo `.md` cuyos encabezados provienen de los tamaños de fuente del PDF y cuyas tablas son tablas de tuberías GitHub-Flavored. Los PDF escaneados o solo de imagen no tienen capa de texto y se rechazan — este endpoint no ejecuta OCR. ### ¿Qué formatos de archivo puedo convertir a Markdown? PDF, Word (`.docx`, `.doc`), PowerPoint (`.pptx`, `.ppt`), Excel (`.xlsx`, `.xls`), CSV, EPUB, HTML/XHTML, OpenDocument (`.odt`, `.ods`, `.odp`), RTF y texto plano/Markdown. La lista completa con notas por formato está en la tabla de [formatos de entrada admitidos](#supported-input-formats). Las imágenes aún no son compatibles. ### ¿Puedo convertir documentos a Markdown para un pipeline de RAG o LLM? Sí — para eso está diseñada la salida: encabezados `#`/`##`/`###` reales, tablas de tuberías atómicas y código delimitado. Para un solo archivo obtienes el Markdown aquí y lo fragmentas tú mismo; para muchos archivos fragmentados en JSONL listo para embeber, envíalos a [`POST /v2/ingest/files`](/es/docs/v2-ingest#ingesting-files), que ejecuta esta misma conversión y divide cada archivo en fragmentos listos para RAG. ### ¿En qué se diferencia esto de Microsoft MarkItDown o docling? Resuelve el mismo problema de "cualquier archivo a Markdown" como una API alojada — sin instalación local, sin dependencias pesadas de ML y con salida con reconocimiento de encabezados optimizada para la fragmentación. Se combina directamente con [`/v2/ingest`](/es/docs/v2-ingest) para que la misma conversión alimente un pipeline de RAG de extremo a extremo (convertir → fragmentar → JSONL) sin que tengas que conectar bibliotecas entre sí. ### ¿Convierten PDF escaneados o imágenes? No en este endpoint. Un PDF debe tener una capa de texto real; un PDF escaneado o solo de imagen, o un archivo de imagen (`.png`, `.jpg`), se rechaza con un claro `400` porque el OCR es un pipeline separado y limitado por costos. Los PDF nativos digitales y los demás formatos de documento listados se convierten sin problemas.