produccion-editorial

De PDF a JATS XML: el proceso de producción editorial

EditorialXML16 de julio de 20266 min de lectura

jats
produccion
pdf

La mayoría de las revistas científicas latinoamericanas reciben manuscritos en PDF o Microsoft Word, pero los repositorios de indexación —SciELO, PubMed Central, Redalyc— exigen entrega en JATS XML. Cerrar esa brecha entre el formato del autor y el formato del archivo es el núcleo del proceso de producción editorial moderna.

Este artículo describe el flujo completo de conversión PDF → JATS XML, las decisiones editoriales en cada etapa y los puntos donde la calidad se gana o se pierde.

Por qué el PDF sigue siendo el punto de partida

A pesar de décadas de promoción de formatos estructurados, el PDF permanece como formato de entrega preferido por autores y revisores por pares. Es universal, preserva el diseño tipográfico y no requiere herramientas especializadas. Para la producción editorial, esto crea un desafío: el PDF es un contenedor opaco donde la estructura semántica del artículo está implícita, no explícita.

Las estrategias de conversión varían según la madurez de la revista:

Estrategia	Ventaja	Limitación
PDF → OCR + etiquetado manual	Funciona con cualquier fuente	Lento, propenso a errores
Word → XML automatizado	Más estructura preservada	Calidad depende de plantilla del autor
LaTeX → JATS	Ideal para ciencias exactas	Requiere pipeline especializado
Edición nativa en XML	Máxima calidad	Curva de aprendizaje alta

Etapa 1: Ingesta y evaluación del manuscrito

Antes de convertir, evalúe si el manuscrito está listo para producción:

¿Ha completado revisión por pares y correcciones del autor?
¿Las figuras están en resolución de publicación (300 dpi para impresión, 150 dpi mínimo para web)?
¿Las referencias siguen el estilo de la revista?
¿Los metadatos del autor (ORCID, afiliaciones) están completos?

Un manuscrito incompleto convertido a XML genera un XML incompleto. La regla de oro: garbage in, garbage out.

Etapa 2: Extracción de contenido

Desde Word (.docx)

Los archivos DOCX son archivos ZIP con XML interno (Office Open XML). Herramientas de conversión pueden mapear estilos de Word (Título 1, Título 2, Normal) a elementos JATS (<sec>, <title>, <p>). La calidad depende críticamente de que los autores usen estilos consistentes y no formato directo.

Desde PDF

La extracción desde PDF es inherentemente más difícil:

PDF nativo (generado desde Word/LaTeX): el texto es seleccionable y la estructura parcialmente recuperable.
PDF escaneado: requiere OCR con revisión humana obligatoria.

En ambos casos, espere corregir manualmente: saltos de línea erróneos, caracteres especiales corruptos, tablas fragmentadas y figuras desvinculadas.

Desde LaTeX

Para revistas de matemáticas y física, el pipeline LaTeX → JATS preserva ecuaciones en MathML (<mml:math>) con mayor fidelidad que cualquier conversión desde PDF.

Etapa 3: Etiquetado semántico

La extracción produce texto plano o semi-estructurado. El etiquetado semántico asigna significado JATS a cada bloque:

<body>
  <sec sec-type="methods">
    <title>Materiales y métodos</title>
    <p>Se realizó un estudio observacional...</p>
    <sec>
      <title>Diseño del estudio</title>
      <p>El diseño fue transversal...</p>
    </sec>
  </sec>
</body>

Decisiones editoriales en esta etapa:

¿Cómo se nombran las secciones? (¿"Metodología" o "Materiales y métodos"?)
¿Las subsecciones requieren <sec> anidado o <title> dentro del párrafo?
¿Las ecuaciones van inline (<inline-formula>) o display (<disp-formula>)?

Documente estas decisiones en una guía de estilo XML interna para mantener consistencia entre números.

Etapa 4: Metadatos y front matter

El bloque <front> se construye en paralelo o después del body:

<front>
  <journal-meta>...</journal-meta>
  <article-meta>
    <article-id pub-id-type="doi">10.1234/rev.2026.001</article-id>
    <title-group>
      <article-title>Título completo del artículo</article-title>
    </title-group>
    <contrib-group>...</contrib-group>
    <abstract xml:lang="es">...</abstract>
    <kwd-group xml:lang="es">...</kwd-group>
  </article-meta>
</front>

La normalización de autores es la subtarea más laboriosa: separar apellidos de nombres, unificar afiliaciones duplicadas, validar ORCID y asignar roles (autor, editor, corresponsal).

Etapa 5: Referencias bibliográficas

Convertir referencias desde PDF o Word a <element-citation> estructurado es frecuentemente el cuello de botella. Estrategias:

Parsing automático con herramientas como AnyStyle, Crossref API o ParsCit.
Verificación cruzada de DOI via Crossref para completar metadatos.
Revisión humana obligatoria del 10-20 % de referencias ambiguas.

Una referencia correctamente estructurada:

<ref id="ref1">
  <element-citation publication-type="journal">
    <person-group person-group-type="author">
      <name><surname>Silva</surname><given-names>Patricia</given-names></name>
    </person-group>
    <article-title>Resultados del estudio</article-title>
    <source>Revista Brasileira</source>
    <year>2025</year>
    <volume>30</volume>
    <fpage>45</fpage>
    <lpage>52</lpage>
  </element-citation>
</ref>

Etapa 6: Figuras, tablas y material suplementario

Cada figura requiere:

Archivo de imagen en formato y resolución adecuados.
Elemento <fig id="fig1"> con <label>, <caption> y <graphic>.
Referencia en el texto con <xref ref-type="fig" rid="fig1">.

Las tablas extraídas de PDF suelen necesitar reconstrucción manual celda por celda. Presupueste tiempo específico para este trabajo.

Etapa 7: Validación y control de calidad

Ningún artículo debe avanzar sin validación JATS. Los errores detectados en esta etapa son órdenes de magnitud más baratos de corregir que los descubiertos tras la publicación o durante la indexación.

Ejecute validación en tres capas:

Bien formado — el XML parsea sin errores de sintaxis.
Válido contra esquema — cumple JATS Archiving.
Reglas de negocio — cumple requisitos SciELO, PMC u otro destino.

Etapa 8: Generación de derivados

Una vez validado el JATS, genere automáticamente:

HTML para el sitio web de la revista.
PDF para archivo y distribución.
ePub para lectores móviles (opcional).
XML de metadatos para Crossref y DOI registration.

El JATS XML se convierte en el formato fuente canónico; todos los demás formatos son derivados regenerables.

Tiempos y costos orientativos

Para un artículo de investigación estándar (6.000-8.000 palabras, 5 figuras, 40 referencias):

Método	Tiempo estimado	Costo relativo
Conversión manual completa	8-16 horas	Alto
Semi-automatizado + revisión	3-6 horas	Medio
Pipeline automatizado + QA	1-3 horas	Bajo (inversión inicial alta)

La inversión en automatización se amortiza a partir del tercer o cuarto número anual.

Cuándo externalizar la producción

Externalice la conversión PDF → JATS cuando el XML ya le cuesta tiempo editorial o reputación ante el indexador:

Devoluciones o reprocesos recurrentes por estructura, metadatos o referencias.
Plazos de indexación con tolerancia baja a errores.
Necesidad de cumplir SciELO y/o PMC sin personal XML dedicado.
Manuscritos en formatos inconsistentes y un flujo interno que no escala (aunque el volumen aún sea modesto: una o dos docenas de artículos al año suele bastar para notarlo).

No hace falta “esperar a crecer”: un número piloto muestra costo y tiempo reales. El servicio de producción XML JATS gestiona el flujo completo con validación incluida y entrega en los formatos que requiera su indexador.

Solicitar una cotización

Si desea evaluar costos para su revista, solicite una cotización indicando volumen anual de artículos, repositorios destino y formato actual de manuscritos.

Conclusión

El camino de PDF a JATS XML no es una simple conversión de formato: es un proceso editorial que exige decisiones sobre estructura, metadatos y calidad en cada etapa. Las revistas que lo tratan como competencia central —no como tarea técnica periférica— obtienen publicaciones más descubribles, indexación más fluida y flujos de trabajo que escalan con el crecimiento de la revista.

Para comenzar, evalúe un artículo piloto con producción XML JATS o solicite una cotización adaptada al volumen de su publicación.

De PDF a JATS XML: el proceso de producción editorial

Artículos relacionados