Google convierte los PDF a HTML durante la indexación
Google transforma internamente los PDF indexables en HTML para procesarlos en la Búsqueda y en sus funciones de IA. El episodio de Search Off the Record del 13 de octubre recuerda que los documentos escaneados y las copias idénticas pueden complicar su lectura y canonicalización.
Google convierte el contenido de los PDF indexables a HTML para que su sistema pueda procesarlo durante la indexación. Martin Splitt y John Mueller explican ese recorrido en el episodio de Search Off the Record publicado el 13 de octubre, cuya página oficial recoge los puntos principales. La conversión es interna: no transforma el archivo que descarga el lector ni su URL pública.
El resumen del episodio aclara que estos documentos pueden posicionar y aparecer como fuentes en AI Overviews y en otras funciones de IA de Google. El formato PDF no da por sí solo una ventaja en esas respuestas. El contenido tiene que poder leerse y procesarse; guardarlo como PDF tampoco convierte un archivo llms.txt en una solución útil para la Búsqueda.
El límite de descarga es de 64 MB
La documentación aporta una cifra que conviene separar de la explicación del episodio. En la entrada del 31 de marzo sobre Googlebot, Google indica que descarga hasta 2 MB por URL, con una excepción de hasta 64 MB para los PDF. Son límites de descarga, no una garantía de indexación de todo documento que quede por debajo.
Comprobar el texto y las copias del documento
Un PDF con páginas guardadas como imágenes puede impedir que Google extraiga el texto. La comprobación que propone el episodio es seleccionar y copiar su contenido en un editor de texto. Si no aparece texto legible, revisa cómo se ha generado el archivo antes de esperar que se indexe correctamente.
Las copias idénticas alojadas en varios dominios también complican la elección de la URL canónica. El episodio menciona la cabecera HTTP Link con rel="canonical" y los enlaces al origen dentro del documento como recursos para señalar su procedencia.
Para una carta, un catálogo o un documento pensado para imprimir, el PDF puede tener sentido. Si el contenido se consulta sobre todo desde el móvil, nuestra recomendación es ofrecer una página HTML legible y dejar el PDF como descarga cuando aporte algo. Revisa primero el texto extraíble, el peso y la procedencia de las copias; el anuncio no pide convertir todos los PDF de la web.
