¿k2pdfopt, Calibre o EPUB? Las formas de leer un paper en PDF en un lector

Un paper científico está maquetado para una página A4 o Letter: dos columnas, letra de diez puntos y ecuaciones y tablas colocadas donde caben. La pantalla de un lector de libros electrónicos es una fracción de eso. Hay cinco formas de salvar la distancia, y ninguna es perfecta, la mía incluida. Así se comparan.

1. Leer el PDF tal cual

Todos los lectores abren PDF. Ves la página entera encogida para caber y, a partir de ahí, amplías, te desplazas, giras la pantalla o recortas los márgenes. Vale para mirar una figura, y cansa para veinte páginas.

Una pantalla más grande ayuda. En un lector de diez pulgadas, un paper a una columna se lee tal cual. A dos columnas sigue siendo pequeño.

Para: un vistazo rápido, escaneos y todo lo que tenga que verse exactamente como la página.

2. k2pdfopt

k2pdfopt lleva más de una década por ahí, y es ingenioso. Encuentra las columnas y las líneas de texto de cada página y las vuelve a colocar, como trozos de la página, en un PDF nuevo hecho a la medida de tu pantalla. Como mueve píxeles en vez de leer el texto, no puede leer nada mal, y también sirve con papers escaneados, con OCR opcional. KOReader usa el mismo motor para adaptar los PDF en el propio lector.

La pega es que el resultado sigue siendo un PDF hecho de tiras de la página. El tamaño de la letra queda fijo al convertir, así que para verla más grande hay que volver a convertir, y los ajustes de fuente del lector no sirven. Además hay que decirle cómo es tu pantalla, y es un programa de escritorio.

Para: escaneos, y cuando quieres la composición original exacta.

3. Calibre

Calibre convierte casi cualquier cosa en casi cualquier otra, PDF a EPUB incluido. Pero su propio manual es claro con este caso: el PDF es «uno de los peores formatos desde los que convertir», los documentos a varias columnas «no están soportados» y la composición matemática «no se convertirá correctamente». En la práctica, un paper a dos columnas sale con las columnas mezcladas, las ecuaciones como ristras de símbolos sueltos y las tablas aplanadas en líneas de texto.

Para: novelas y otros PDF a una columna.

4. La versión HTML de arXiv

Para la mayoría de los papers recientes, arXiv tiene una versión HTML junto al PDF, generada a partir del código LaTeX. Se adapta a la pantalla, sus matemáticas son matemáticas de verdad y en el navegador de una tableta o un móvil se lee bien. Pero sigue marcada como experimental, y en algunos papers faltan trozos. Solo la tienen los papers de arXiv que se subieron con su código LaTeX, y es una página web, así que llevarla a un lector exige un paso más.

Para: leer en una tableta o en el móvil, cuando el paper está en arXiv.

5. Reconstruir el paper como EPUB

Es lo que hace paper2epub. Lee el texto que ya contiene el PDF, sin OCR ni modelos de lenguaje, y deduce su estructura: qué líneas son títulos, párrafos, pies de figura, notas o referencias. Después reconstruye el paper como un libro. Las ecuaciones se vuelven a componer con LaTeX, las tablas pasan a ser tablas HTML, las figuras se recortan con su pie y las citas, notas al pie y referencias cruzadas se convierten en enlaces. El EPUB se adapta a la pantalla como cualquier libro electrónico, al tamaño que elijas.

La página 2 del paper de SigLIP como PDF en un lector: dos columnas encogidas, con el texto demasiado pequeño para leerse — La página 2 de Sigmoid Loss for Language Image Pre-Training, con su pseudocódigo, como PDF y como EPUB. Zhai et al., arXiv:2303.15343, CC BY 4.0.

El mismo pasaje como EPUB: el algoritmo 1, línea a línea, seguido del texto — La página 2 de Sigmoid Loss for Language Image Pre-Training, con su pseudocódigo, como PDF y como EPUB. Zhai et al., arXiv:2303.15343, CC BY 4.0.

La otra cara es la que k2pdfopt no tiene: reconstruir significa que puede equivocarse. Cuando una ecuación no se puede leer con seguridad, se queda un recorte del original, y lo mismo pasa con una tabla demasiado ancha para la pantalla. Las tablas con celdas combinadas pueden salir con las columnas desplazadas, y una maquetación poco habitual aún puede confundir la estructura. Necesita un PDF con texto de verdad dentro, así que los escaneos quedan fuera. Y es nuevo, mientras que k2pdfopt tiene años de arreglos a la espalda.

Para: papers nacidos digitales que quieres leer como un libro.

Frente a frente

	El texto se adapta	Tamaño de letra	Ecuaciones	Escaneos
El PDF tal cual	No	Solo ampliando	Como en el paper	Sí
k2pdfopt	En tiras de la página	Fijo al convertir	Como en el paper	Sí
Calibre	Sí	El que elijas	Suelen romperse	No
HTML de arXiv	Sí	En el navegador	Matemáticas de verdad	No
paper2epub	Sí	El que elijas	Compuestas con LaTeX	No

Si el paper está escaneado, o la página tiene que verse exactamente como el original, usa k2pdfopt. Para todo lo demás yo lo reconstruiría, pero la herramienta es mía, así que tómalo con cautela: prueba las dos con un paper que conozcas bien y mira cuál prefieres leer.

Para la parte práctica, hay guías paso a paso para el Kindle y el Kobo.