Elysia Tools
Navegación
Workflow Playbook
Depura casos dificiles de PDF revisando cifrado, seguridad, paginas, orden de lectura, OCR, tablas y salidas estructuradas.
Temas
Los PDF dificiles fallan por motivos distintos. Un archivo protegido, un contrato escaneado, un informe etiquetado con orden roto y un anexo lleno de graficos no se corrigen igual. Este flujo separa esas causas antes de elegir un convertidor.
Usa encrypted-pdf-converter para confirmar permisos o contrasenas. Despues ejecuta pdf-prompt-injection-scanner antes de enviar el contenido a resumen con IA o automatizacion. Asi separas evidencia documental de instrucciones que no deben obedecerse.
Extrae una muestra con pdf-page-range-extractor y reduce ruido con pdf-header-footer-noise-remover. Luego usa tagged-pdf-inspector, pdf-reading-order-debugger y formula-chart-heavy-pdf-analyzer para ver si el problema esta en etiquetas, lectura, escaneo, tablas, formulas o material visual.
Usa scanned-pdf-ocr-to-markdown para imagenes, pdf-to-structured-markdown-converter para prosa, pdf-table-extractor-to-csv-json para tablas y pdf-to-json-structure-explorer para jerarquias. Si importan tachados, agrega pdf-strikethrough-review-extractor. La nota final debe decir que paginas se probaron, que salida es confiable y que queda para revision humana.
Guía de flujo de trabajo
Comprueba si cifrado, permisos o texto de inyeccion pueden bloquear o contaminar la extraccion.
Crea un subconjunto pequeno y elimina encabezados o pies repetidos para no distorsionar el diagnostico.
Revisa etiquetas, orden, formulas, graficos y regiones complejas para decidir entre texto, OCR o revision manual.
Usa OCR para paginas escaneadas, markdown para prosa, CSV/JSON para tablas y exploracion JSON para jerarquia.
Extrae tachados y senales de revision, y documenta que paginas y salidas son confiables.
Revisa cifrado e inyeccion de instrucciones antes de usar OCR, resumen con IA o automatizacion.
Extrae un rango representativo y compara etiquetas, orden de lectura, encabezados, formulas, graficos y zonas escaneadas.
Usa OCR markdown para escaneos, markdown estructurado para texto, extraccion de tablas para grillas y JSON para jerarquias.