Reconstrucción editorial · Adobe InDesign

Del PDF al
documento
editable

Cómo se reconstruye en InDesign una página a partir de su JSON y su XML, con todos sus componentes en su sitio, y cómo esa reconstrucción alimenta el Atlas de la diagramación.

Esta misma página extrae el JSON con pdf2json, lee con OCR las páginas que son imagen y prepara un paquete, todo en tu navegador. Un script con la librería porky lo convierte en un documento de InDesign con capas, estilos y estructura XML.

Convertir un PDF aquí ↓ Cargar PDF Seguir la guía

2 instrumentos
6 capas
1 DTD
0 errores de validación

Fig. 01 · Las seis capas que crea reconstruir.jsx. La página original queda debajo, bloqueada, como referencia; encima, cada componente reconstruido en su capa.

01 · Cargar un PDF

Suelta un PDF y mira cómo se convierte

Este bloque convierte el PDF en tu navegador y muestra cada etapa: el JSON que extrae pdf2json, el XML que genera XmlToJson, la separación por páginas y el OCR de las páginas que son imagen. Al terminar puedes ver el JSON y el XML aquí mismo, descargarlos o descargar el paquete para InDesign.

No hay que instalar ni encender nada, y el archivo no sale de tu equipo. Funciona igual abriendo la página desde tu carpeta o desde internet. Solo el OCR y la calibración tipográfica necesitan conexión la primera vez: descargan Tesseract y pdf.js.

02 · Introducción

Cómo funciona la reconstrucción

Un PDF guarda la página como resultado final: letras colocadas en coordenadas, trazos, rellenos e imágenes, sin la lógica con la que se diseñó. Reconstruirla en InDesign significa devolver cada componente a un objeto editable (un marco de texto con su estilo, un rectángulo con su color, una línea con su grosor) en la misma posición que tenía.

El proceso se reparte entre dos herramientas. El conversor de esta página lee el archivo con pdf2json y obtiene un JSON con la posición de cada texto, línea y relleno; si una página es una imagen (una portada fotografiada, un anuncio), la lee con OCR. Después calibra la tipografía con pdf.js, que mide el cuerpo y el ancho reales de cada texto. Con todo eso prepara un paquete de reconstrucción. Es el mismo código de la Biblioteca PDF, compilado para el navegador: con el mismo PDF, los dos dan el mismo JSON y el mismo XML.

En InDesign, el script reconstruir.jsx abre ese paquete. Usa la librería porky para crear páginas y marcos, y una capa de adaptación propia (atlas-porky.jsx) para todo lo que porky no resuelve: colores, capas, estilos de párrafo y el protocolo XML de InDesign. El resultado es un documento .indd con la estructura XML intacta, un .idml para versiones anteriores, vistas de control y un informe.

Ese informe y las medidas del documento vuelven al Atlas: cada reconstrucción aporta un perfil de diagramación (formato, cuerpo base, escala tipográfica, columnas, márgenes) que se suma a los datos con los que el Atlas describe revistas, periódicos y anuncios.

Paso 1
PDF original
Revista, formulario o anuncio, tal como se publicó.
original.pdf
Paso 2
JSON y OCR
pdf2json extrae la geometría; Tesseract lee las páginas que son imagen; pdf.js calibra la tipografía.
documento.json · ocr.json
Paso 3
Paquete InDesign
Plan de geometría en puntos, XML de contenido con estilos, DTD y scripts.
plan.json · documento.xml
Paso 4
Reconstrucción
porky y la capa de adaptación crean páginas, capas, estilos y marcos, e importan el XML.
reconstruir.jsx
Paso 5
Atlas
El perfil medido y el informe de InDesign se incorporan al Atlas de la diagramación.
pdf.reconstrucciones

03 · Guía de procedimientos

Usar la herramienta, paso a paso

Solo necesitas un navegador actualizado (Chrome, Edge o Firefox) y Adobe InDesign CS6 o posterior (probado en InDesign 2026). La conversión ocurre en esta página, sin subir archivos a ningún servidor.

Convertir el PDF

Arrastra el PDF al bloque Cargar un PDF o pulsa el botón. Se extrae el JSON, se genera el XML, se separa por páginas y las páginas sin texto se leen con OCR. Cada etapa se marca al terminar.

Cargar PDF
En revistas largas, pdf2json tarda unos segundos (se ve la página que va leyendo). Espera a que la etapa «OCR» diga «listo» antes de descargar las páginas o el paquete.
Revisar el JSON y el XML

En las pestañas JSON y XML del resultado ves el principio de cada archivo; descárgalos para verlos completos. Las páginas van en «Páginas (.zip)»: en las leídas con OCR verás la clave OCR con cada línea y su confianza.
Descargar el paquete para InDesign

Pulsa «InDesign (.zip)» para el documento entero, o escribe antes un rango de páginas (recomendado en revistas largas: cada página tarda entre 4 y 15 segundos en InDesign).
El paquete se calibra con pdf.js, que se descarga la primera vez. Sin conexión se descarga igual, con los cuerpos de letra estimados.
Instalar el paquete en InDesign

Descomprime el ZIP. En InDesign abre Ventana › Utilidades › Scripts. Haz clic derecho en la carpeta Usuario › Mostrar en el Explorador y copia ahí la carpeta del paquete completa (con porky/, lib/ y datos/).
Ejecutar la reconstrucción

En el panel Scripts, doble clic en reconstruir.jsx. Una ventana muestra el avance página a página. Al terminar, un aviso resume los marcos creados, las fuentes faltantes y el resultado de la validación con la DTD.
Opciones al inicio del script (CONFIG): colocar o no el PDF original, bloquear su capa, guardar .indd, exportar .idml, XML y vistas JPG.
Revisar el documento

Oculta la capa Original PDF para ver solo la reconstrucción. En Ver › Estructura › Mostrar estructura aparece el árbol XML: cada elemento Texto, OCR, Relleno o Linea está unido a su marco. Revisa salida/informe.json y las vistas vista-reconstruida-NNN.jpg.
Corregir y sincronizar

Si el OCR leyó mal una palabra, corrígela en datos/documento.xml y, con el documento abierto, ejecuta sincronizar.jsx: porky actualiza el contenido de cada elemento sin mover ni restilar nada.

04 · Instrumentos JSON y XML

Dónde y cómo, frente a qué

La reconstrucción separa la información en dos instrumentos complementarios. El JSON describe la geometría y el formato; el XML, el contenido y la estructura. Ninguno basta solo: el JSON sin XML produce marcos vacíos, y el XML sin JSON produce texto sin posición.

datos/plan.json

El JSON: dónde y cómo

Es el plano de la página. Convierte las unidades de pdf2json a puntos tipográficos y fija, para cada componente, su posición, su tamaño y su formato.

Tamaño de cada página, capas, colores y estilos de párrafo.
Textos: inicio, línea base, cuerpo real, estilo, color y ancho original.
Rellenos y campos: caja y color. Líneas: extremos, grosor y trazo.
Líneas de OCR: caja, cuerpo estimado y confianza.

Un texto del planpuntos

{
  "id": "p1-t3",
  "x": 115.216,
  "lineaBase": 41.184,
  "cuerpo": 7,
  "estilo": "Arial Regular 7 pt",
  "color": "#221f1f",
  "ancho": 155.32
}

datos/documento.xml

El XML: qué

Es el contenido con su estructura. Un elemento por componente, en el orden de la página, con los atributos que InDesign y porky entienden.

aid:pstyle: el estilo de párrafo que InDesign aplica al importar.
id: une cada elemento con su entrada del plan.
syncScript y syncIdentifier: el protocolo de sincronización de porky.
DOCTYPE: la DTD con la que InDesign valida la estructura.

El mismo texto en el XMLUTF-8

<Texto id="p1-t3"
       aid:pstyle="Arial Regular 7 pt"
       syncScript="sync/texto.jsx"
       syncIdentifier="p1-t3">Department of the
  Treasury, Internal Revenue Service</Texto>

Su utilidad en la recomposición del diseño

Separar geometría y contenido permite recomponer sin perder el original. El plan conserva la maqueta exacta; el XML puede corregirse, traducirse o depurarse y volver a entrar en los mismos marcos. Como cada elemento lleva su aid:pstyle, el texto llega con su jerarquía tipográfica: titular, subtítulo, cuerpo y pie quedan como estilos de párrafo reutilizables, no como formato suelto.

Para la reconstrucción del diseño, cada componente del PDF encuentra su objeto de InDesign:

En el PDF (pdf2json)	En el plan JSON	En el XML	Objeto de InDesign	Capa
Página	`ancho`, `alto`	`<Pagina>`	Página del tamaño original	Todas
La página completa	`original.pagina`	`<Original>`	PDF colocado (fotos, degradados, todo lo que no es texto)	Original PDF
`Fills`	`rellenos[]`	`<Relleno>`	Rectángulo con color de relleno	Rellenos
`HLines`, `VLines`	`lineas[]`	`<Linea>`	Línea gráfica con grosor y color	Líneas
`Fields`	`campos[]`	`<Campo>`	Rectángulo con contorno	Campos
`Texts`	`textos[]`	`<Texto>`	Marco de texto anclado a la línea base, con estilo de párrafo	Texto
Imagen sin texto	`ocr[]`	`<OCR>`	Marco de texto con lo leído por Tesseract	OCR

Por qué hace falta calibrar. pdf2json mide en unidades de 16 pt y no guarda igual el cuerpo en todos los archivos: en unos PDF su valor TS son píxeles y en otros puntos. Por eso el paquete empareja cada texto con su medida en pdf.js (98 a 99 % de los textos) y toma de ahí el cuerpo y el ancho reales. Si la fuente original no está instalada, InDesign usa la de respaldo y ajusta la escala horizontal para que el texto ocupe lo mismo que en el original.

05 · Código de adaptación

porky y la capa de adaptación

porky (Schreiber & Freunde, licencia MIT) es una librería de ExtendScript para automatizar InDesign con datos JSON, XML y CSV. Ya no se mantiene, pero sus funciones de maquetación y sincronización siguen funcionando en InDesign 2026. lib/atlas-porky.jsx la adapta al formato de la Biblioteca PDF.

Qué aporta porky	Qué hace en la reconstrucción
`setPageSize()`, `addNewPage()`	Tamaño del documento y una página nueva por cada página del plan.
`addFrame()`	Crea los marcos de texto y coloca el PDF original en su capa.
`writeFile()`	Escribe `informe.json` en UTF-8.
`recursiveSyncXMLElement()`	Recorre la estructura XML y actualiza el contenido de cada elemento con `syncScript`.
`json2.js`	Da a ExtendScript (que no lo trae) el objeto `JSON` para leer el plan.

Problema de porky	Adaptación en `atlas-porky.jsx`
`console.log` abre un socket en 127.0.0.1:6789 en cada mensaje	Se reemplaza por un registro en memoria: sin el servidor de porky, cada marco tardaría segundos.
`readFile` lee con la codificación del sistema	Lectura en UTF-8 para no estropear tildes ni comillas tipográficas.
Sin colores, capas ni estilos	Muestras RGB por color, seis capas apiladas y un estilo de párrafo por fuente y cuerpo.
Sin líneas ni rectángulos con color	Rellenos, líneas (con trazo discontinuo) y campos en su capa.
Sin el protocolo XML de InDesign	`importXML` con preferencias de importación, validación con la DTD, `placeXML` y `markup`.
Marcos con alto y ancho fijos	Línea base fija (`FIXED_HEIGHT`), ajuste automático del ancho y escala horizontal calibrada.

reconstruir.jsx · un texto, de principio a finExtendScript

//@include "porky/bin/porky.jsx"
//@include "lib/atlas-porky.jsx"

var plan = atlas.leerJson(carpeta + "/datos/plan.json");      // JSON: dónde y cómo
var indice = atlas.importarXml(doc, carpeta + "/datos/documento.xml"); // XML: qué

doc.activeLayer = capas["Texto"];
var marco = addFrame(t.x, t.lineaBase - t.cuerpo * 0.8, ancho, alto, "");  // porky
marco.textFramePreferences.firstBaselineOffset = FirstBaseline.FIXED_HEIGHT;
indice[t.id].placeXML(marco);                // el texto entra con su aid:pstyle
atlas.ajustarAncho(marco, t.ancho);         // escala horizontal hasta el ancho original

06 · Protocolos XML de InDesign

Lo que exige InDesign al XML

InDesign no importa cualquier XML de forma útil. El paquete sigue sus protocolos para que la estructura se valide, los estilos se apliquen solos y el documento pueda exportarse y volver a sincronizarse.

Espacio de nombres
xmlns:aid
El raíz declara http://ns.adobe.com/AdobeInDesign/4.0/; sin él InDesign ignora los atributos de estilo.
Estilos
aid:pstyle
Cada Texto y OCR nombra su estilo de párrafo. El script crea esos estilos antes de importar, así se aplican al colocar el contenido.
Validación
DOCTYPE y DTD
atlas-indesign.dtd define qué elementos y atributos son válidos. El script valida y anota los errores en el informe (0 en las pruebas).
Importación
Preferencias
Combinar contenido, sin vínculo al archivo, ignorar espacios en blanco, sin transformación XSLT y sin tablas CALS.
Colocación
placeXML y markup
Los elementos de texto entran en su marco; los rectángulos, líneas y el PDF original quedan etiquetados con su elemento.
Ida y vuelta
Exportar XML
salida/<id>-estructura.xml es el XML que exporta InDesign: la misma estructura, con el href del PDF colocado.
Sincronización
syncScript
Atributos del protocolo de porky: sincronizar.jsx ejecuta sync/texto.jsx por elemento y actualiza su contenido.
Estructura
Panel Estructura
Ver › Estructura › Mostrar estructura: el árbol Documento › Pagina › Texto refleja el orden de la página.
Etiquetas
Panel Etiquetas
Las etiquetas se crean al importar; con Asignar etiquetas a estilos puedes cambiar en bloque el estilo de todos los OCR.

datos/atlas-indesign.dtd · extractoDTD

<!ELEMENT Documento (Pagina+)>
<!ELEMENT Pagina (Original, Relleno*, Linea*, Campo*, Texto*, OCR*)>
<!ELEMENT Texto (#PCDATA)>
<!ATTLIST Texto
  id ID #REQUIRED
  aid:pstyle CDATA #IMPLIED
  syncScript CDATA #IMPLIED
  syncIdentifier CDATA #IMPLIED>

07 · Procedimientos

Generar los archivos y actualizar el Atlas

Este es el procedimiento completo para pasar de la carga del JSON y el XML a un documento de InDesign reconstruido y a un Atlas actualizado. Cada paso produce archivos que puedes revisar antes de seguir.

Generar el paquete de reconstrucción

El paquete reúne los dos instrumentos (JSON y XML), la DTD, el PDF original, los scripts y el perfil para el Atlas. Se descarga con «InDesign (.zip)» en el bloque Cargar un PDF; descomprímelo, por ejemplo, en C:\Reconstrucciones.
Si el documento está en la Biblioteca PDF, también puedes generarlo desde su terminal: npm run cli -- indesign <id> --paginas 1-8 --salida C:\Reconstrucciones.
Reconstruir en InDesign

Copia la carpeta al panel Scripts y ejecuta reconstruir.jsx. Se crea salida/ con <id>.indd, <id>.idml, <id>-estructura.xml, vista-reconstruida-NNN.jpg e informe.json.
Revisar el informe

informe.json dice cuántos marcos se crearon por tipo, qué fuentes faltan, cuántos marcos desbordan, cuántos errores dio la validación con la DTD y cuánto tardó. Si algo falla, corrige el XML y usa sincronizar.jsx, o vuelve a generar el paquete.
Incorporar la reconstrucción al Atlas

Este paso escribe en la carpeta del Atlas, así que se hace con Node.js (22 o posterior) desde una terminal abierta en esa carpeta, con la carpeta del paquete:
```
node actualizar.mjs --paquete "C:\Reconstrucciones\<id>-indesign"
```
El comando hace tres cosas:
- escribe el perfil del paquete (atlas/perfil.json, con las medidas de cada página) y el resumen de salida/informe.json en reconstrucciones/<id>.json;
- añade o sustituye la entrada en diagramacion.json › pdf.reconstrucciones (antes guarda diagramacion.json.bak);
- vuelve a incrustar los datos en index.html.
Con un documento de la Biblioteca PDF vale también npm run cli -- atlas <id> --atlas "<carpeta del Atlas>" --informe "…\salida\informe.json".
Comprobar en el Atlas

Abre el lector PDF del Atlas: debajo de la calibración aparece el bloque Reconstrucciones en InDesign con el formato, el cuerpo base, las columnas, los márgenes, la escala tipográfica y el resumen de InDesign de cada documento.

Archivos del paquete

Archivo	Qué es
`reconstruir.jsx`	Script principal: crea el documento a partir de `datos/`.
`sincronizar.jsx`	Actualiza un documento ya reconstruido con el XML corregido (porky).
`sync/texto.jsx`	Script de sincronización que porky ejecuta por elemento.
`lib/atlas-porky.jsx`	Capa de adaptación entre porky y la Biblioteca PDF.
`porky/`	Librería porky y su licencia MIT.
`datos/plan.json`	JSON: geometría y formato de cada marco, en puntos.
`datos/documento.xml`	XML: contenido y estructura, con `aid:pstyle` y atributos de sincronización.
`datos/atlas-indesign.dtd`	DTD para validar la estructura en InDesign.
`datos/original.pdf`	El PDF original, que se coloca en la capa «Original PDF».
`atlas/perfil.json`	Perfil de diagramación del documento, con la forma de los perfiles del Atlas.

Por qué una lista aparte. Las revistas de pdf.corpus se interpretaron y evaluaron a mano para calibrar el lector. Los perfiles de las reconstrucciones son mediciones automáticas, así que van en pdf.reconstrucciones: amplían el corpus sin mezclarse con los datos de calibración.

08 · Resultados y límites

Probado en InDesign 2026

El procedimiento se ejecutó en InDesign 2026 (21.1) con un formulario de dos páginas (el IRS 1040EZ, de dominio público) y con cuatro páginas de una revista, incluida una portada que solo es imagen y se leyó con OCR.

670marcos · formulario

0errores DTD

0fuentes faltantes

26 s2 páginas

Página 1 del formulario 1040EZ reconstruida en InDesign, sin la capa del PDF original: rellenos verdes, líneas, campos y textos en su posición. — **Fig. 02 · Reconstrucción sin la capa original.** 303 textos, 65 rellenos, 250 líneas y 52 campos del formulario 1040EZ, creados como objetos de InDesign.

Detalle del encabezado del formulario con el original en rojo y la reconstrucción en cian; donde coinciden queda negro. — **Fig. 03 · Superposición.** Original en rojo y reconstrucción en cian: donde coinciden, el trazo queda negro. Inicios, líneas base y anchos de texto coinciden; la diferencia está en el dibujo de la fuente de respaldo.

Revista y sincronización. Cuatro páginas de la revista (portada solo imagen, dos páginas de anuncios y un artículo) dieron 205 textos y 22 líneas de OCR en 14,7 s, con 0 errores de validación. Después se corrigieron en el XML dos líneas mal leídas por el OCR y se ejecutó sincronizar.jsx sobre el documento guardado: porky cambió solo esas dos líneas, sin mover sus marcos ni alterar su estilo; el resto del contenido quedó igual.

Límites que conviene conocer

Fuentespdf.js 6 no entrega el nombre de las fuentes incrustadas. Se usa una familia de respaldo con el cuerpo real y la escala horizontal ajustada al ancho original; el aspecto de la letra puede diferir.
Imágenespdf2json no extrae fotografías ni ilustraciones. Quedan en la capa «Original PDF», colocadas desde el propio PDF y alineadas con la reconstrucción.
OCRTesseract puede unir palabras de columnas vecinas o errar con letras decoradas. Cada línea lleva su confianza; las correcciones se hacen en el XML y se sincronizan.
TiempoCada página tarda entre 4 y 15 segundos según sus componentes. En revistas largas conviene reconstruir por rangos de páginas.

Del PDF al
documento
editable

Suelta un PDF y mira cómo se convierte

Cómo funciona la reconstrucción

PDF original

JSON y OCR

Paquete InDesign

Reconstrucción

Atlas

Usar la herramienta, paso a paso

Convertir el PDF

Revisar el JSON y el XML

Descargar el paquete para InDesign

Instalar el paquete en InDesign

Ejecutar la reconstrucción

Revisar el documento

Corregir y sincronizar

Dónde y cómo, frente a qué

El JSON: dónde y cómo

El XML: qué

Su utilidad en la recomposición del diseño

porky y la capa de adaptación

Lo que exige InDesign al XML

`xmlns:aid`

`aid:pstyle`

DOCTYPE y DTD

Preferencias

`placeXML` y `markup`

Exportar XML

`syncScript`

Panel Estructura

Panel Etiquetas

Generar los archivos y actualizar el Atlas

Generar el paquete de reconstrucción

Reconstruir en InDesign

Revisar el informe

Incorporar la reconstrucción al Atlas

Comprobar en el Atlas

Archivos del paquete

Probado en InDesign 2026

Límites que conviene conocer

Del PDF aldocumentoeditable

Suelta un PDF y mira cómo se convierte

Cómo funciona la reconstrucción

PDF original

JSON y OCR

Paquete InDesign

Reconstrucción

Atlas

Usar la herramienta, paso a paso

Convertir el PDF

Revisar el JSON y el XML

Descargar el paquete para InDesign

Instalar el paquete en InDesign

Ejecutar la reconstrucción

Revisar el documento

Corregir y sincronizar

Dónde y cómo, frente a qué

El JSON: dónde y cómo

El XML: qué

Su utilidad en la recomposición del diseño

porky y la capa de adaptación

Lo que exige InDesign al XML

xmlns:aid

aid:pstyle

DOCTYPE y DTD

Preferencias

placeXML y markup

Exportar XML

syncScript

Panel Estructura

Panel Etiquetas

Generar los archivos y actualizar el Atlas

Generar el paquete de reconstrucción

Reconstruir en InDesign

Revisar el informe

Incorporar la reconstrucción al Atlas

Comprobar en el Atlas

Archivos del paquete

Probado en InDesign 2026

Límites que conviene conocer

Del PDF al
documento
editable

`xmlns:aid`

`aid:pstyle`

`placeXML` y `markup`

`syncScript`