Averiguar cuántas páginas hay en un PDF es trivial. El visor muestra el recuento de páginas. Averiguar cuántas páginas hay en 50 archivos PDF en una carpeta, o cuántas palabras hay en todos ellos combinados, no lo es. Abrir manualmente cada archivo, anotar el recuento y sumar los números lleva más tiempo que el trabajo real para el que se crearon los archivos PDF.
Contar archivos manualmente es una tarea para la que se inventaron las computadoras. Sin embargo, la mayoría de las herramientas PDF no ofrecen un recuento de varios archivos.
Contar palabras y páginas en varios archivos PDF Batch requiere una herramienta que admita estadísticas por lotes o un script que extraiga la información de cada archivo y la resuma. Las herramientas PDF Pages de WukongPDF pueden ayudar con estadísticas de archivos individuales, y los métodos siguientes manejan la agregación de múltiples archivos.
Uso de estadísticas de lotes integradas en herramientas PDF
Adobe Acrobat Pro no incluye una función de recuento de palabras o páginas por lotes. Algunas herramientas de administración de PDF de terceros sí lo hacen. PDF Architect y Nitro Pro incluyen módulos de procesamiento por lotes que pueden informar el recuento de páginas en un conjunto seleccionado de archivos. El resultado suele ser un archivo CSV que enumera cada nombre de archivo y su recuento de páginas, con un total en la parte inferior.
Las herramientas PDF basadas en navegador generalmente no ofrecen estadísticas de varios archivos porque el modelo de solicitud sin estado no retiene información entre las cargas de archivos. Cada archivo es una sesión separada. Agregar estadísticas requiere una sesión persistente que abarque varios archivos, lo cual es más común en herramientas de escritorio y basadas en servidor.
Pruebe fusionar PDF
No se necesita instalación. Funciona directamente en su navegador.
Uso del Explorador de archivos para estimaciones de recuento de páginas
El Explorador de archivos de Windows y el Finder de macOS muestran el recuento de páginas PDF en las columnas de metadatos del archivo. Habilite la columna Páginas en la vista Detalles del Explorador de archivos y el recuento de páginas de cada PDF aparecerá en la lista. Seleccione todos los archivos y la barra de estado puede mostrar la suma, según la versión y la configuración del sistema operativo.
La lectura del recuento de páginas del Explorador de archivos es rápida porque lee un pequeño campo de metadatos en cada PDF en lugar de abrir el archivo completo. Para una carpeta de cientos de archivos PDF, el recuento de páginas se completa en segundos. Sin embargo, el Explorador de archivos no proporciona recuentos de palabras y su lectura del recuento de páginas puede ser inexacta para archivos PDF con estructuras internas no estándar donde los metadatos no concuerdan con el recuento de páginas real.
Creación de secuencias de comandos de Word y recuento de páginas en archivos PDF
Python con una biblioteca de PDF como PyPDF2 o pdfplomber puede extraer recuentos de páginas y de palabras de cada PDF en una carpeta y sumarlos. El script abre cada PDF, lee el recuento de páginas de los metadatos del documento, extrae texto de cada página, cuenta las palabras y acumula los totales. El resultado es el recuento combinado de páginas y palabras de toda la carpeta.
El script maneja cualquier número de archivos. Una carpeta de 500 archivos PDF se procesa en unos minutos, según el tamaño del archivo y la velocidad de extracción del texto. El script produce resultados consistentes porque aplica la misma lógica de conteo a cada archivo. El conteo manual introduce variaciones debido a la fatiga y la distracción. El conteo programado es repetible y auditable.
| Método | Velocidad | Precisión | ¿Proporciona recuento de palabras? |
|---|---|---|---|
| Metadatos del Explorador de archivos | Artículos de segunda clase | Moderado (solo metadatos) | No |
| Herramienta PDF por lotes | Minutos | Alto | Algunas herramientas |
| secuencia de comandos de Python | Minutos (depende del recuento de archivos) | Alto (extrae texto real) | Sí |
| Apertura y conteo manual | Horas | Bajo (fatiga) | Si, manualmente |
Manejo de archivos PDF escaneados en Word Counts
Los PDF escaneados contienen imágenes, no texto. Un recuento de palabras basado en la extracción de texto arroja cero palabras para un documento escaneado porque no hay texto para extraer. Para incluir archivos PDF escaneados en el recuento de palabras, primero ejecute OCR en ellos para crear una capa de texto. Luego, el script de recuento de palabras cuenta el texto OCR. El recuento de palabras de OCR es aproximado porque el OCR introduce errores de reconocimiento.
Para carpetas mixtas que contienen archivos PDF digitales y escaneados, el script debe informar totales separados: palabras de archivos PDF digitales con texto nativo y palabras de archivos PDF escaneados después de OCR. Combinarlos en un total único sin distinguir las fuentes exagera la precisión del recuento de palabras del documento escaneado y oscurece el hecho de que una parte del total es estimada por OCR en lugar de exacta.
Exportar recuentos de palabras por sección o capítulo
Más allá del recuento total de palabras, la extracción del recuento de palabras por sección dentro de cada PDF proporciona datos granulares para edición, traducción o facturación. Un script que utiliza marcadores de PDF o detección de encabezados para segmentar el texto y contar palabras por segmento produce un informe detallado. Cada fila del resultado muestra un nombre de archivo, un nombre de sección y el recuento de palabras para esa sección.
Los recuentos a nivel de sección son valiosos para proyectos de traducción en los que se asignan diferentes secciones a distintos traductores. El director del proyecto utiliza los recuentos para distribuir el trabajo de manera uniforme y estimar los tiempos de finalización. Los mismos recuentos respaldan la facturación por sección, donde los precios varían según la complejidad del contenido. El recuento total de palabras le indica el tamaño del proyecto. El recuento de palabras a nivel de sección le indica cómo dividirlas.
Usar el conteo para facturación y estimación
Los autónomos y las agencias que facturan por página o por palabra utilizan recuentos de lotes para generar facturas. Un script que genera un CSV de nombres de archivos, recuentos de páginas y recuentos de palabras proporciona un informe listo para la facturación. El cliente puede verificar los recuentos de forma independiente. El informe respalda la factura con datos.
La estimación del proyecto también se beneficia del recuento de lotes. Un proyecto de traducción con un precio por palabra necesita un recuento preciso de las palabras de origen en todos los documentos. Un proyecto de impresión con un precio por página necesita el recuento total de páginas. Realizar el recuento antes de cotizar garantiza que la cotización se base en volúmenes de documentos reales en lugar de estimaciones. El tiempo dedicado a contar se amortiza con precios precisos.
Pruebe fusionar PDF
No se necesita instalación. Funciona directamente en su navegador.