PDF Activities

Versión: 1.0.0  ·  ID: zoan-packages-pdf  ·  Autor: Zoan Software

El paquete PDF lee y manipula archivos PDF: extraer texto, buscar contenido, leer metadatos, y combinar, dividir, extraer páginas, rotar o marcar de agua. Es muy usado en procesos documentales: leer facturas en PDF, separar un lote de documentos, consolidar reportes.

Cómo funciona este paquete

• Sin sesión: cada actividad recibe la ruta (path) del archivo y trabaja sobre él. No hay que “abrir” ni “cerrar” el PDF.
• No modifican el original: las actividades de manipulación (combinar, rotar, marca de agua…) crean un archivo nuevo en la ruta output que indiques, y devuelven esa ruta. El PDF de entrada queda intacto.

Extraer texto requiere una “capa de texto”

Las actividades de texto (PDF Get Text, Contains Text, Search Text) solo funcionan si el PDF tiene texto real seleccionable. Un PDF escaneado (una foto o imagen de un documento) no tiene texto extraíble: para esos necesitas el paquete OCR, que “lee” el texto de la imagen.

¿Cómo saber cuál es? Abre el PDF y trata de seleccionar texto con el mouse: si puedes, tiene capa de texto; si no (es una imagen), es escaneado.

Rangos de páginas

Varias actividades aceptan especificar páginas con un rango en texto: combinas números sueltos y rangos con guion, separados por comas. Las páginas se numeran desde 1.

"1-3,5,7-9"   →  páginas 1, 2, 3, 5, 7, 8 y 9
"all"          →  todas (en Rotate)

Actividades

Leer y extraer

Actividad	Tipo	Salida	Qué hace
PDF Get Text	pdf-get-text	string	Extrae todo el texto del PDF
PDF Get Text (Page)	pdf-get-text-page	string	Extrae el texto de una página
PDF Get Page Count	pdf-get-page-count	int	Número de páginas
PDF Get Metadata	pdf-get-metadata	Dictionary	Metadatos (título, autor, fechas…)

Buscar

Actividad	Tipo	Salida	Qué hace
PDF Contains Text	pdf-contains-text	boolean	¿Contiene el texto?
PDF Search Text	pdf-search-text	List	En qué páginas aparece el texto

Manipular páginas

Actividad	Tipo	Salida	Qué hace
PDF Merge	pdf-merge	string	Combina varios PDF en uno
PDF Split	pdf-split	List	Separa cada página en un archivo
PDF Extract Pages	pdf-extract-pages	string	Extrae páginas concretas a un PDF nuevo
PDF Rotate	pdf-rotate	string	Rota páginas (90/180/270°)

Crear y marcar

Actividad	Tipo	Salida	Qué hace
PDF Create	pdf-create	string	Crea un PDF nuevo a partir de texto
PDF Add Watermark	pdf-add-watermark	string	Añade una marca de agua a cada página

Un flujo típico

Leer una factura en PDF y extraer su número con una expresión regular:

PDF Get Text   path = = rutaFactura   → output: texto
Set Variable   name = numero   value = = regexFind(texto, "FAC-\d+")
Log   message = = "Factura: " + numero

Siguientes pasos

• PDF Get Text — extraer texto (lo más común).
• OCR — para PDF escaneados (imágenes sin texto).
• Expresiones › Regex — extraer datos del texto.