---
layout: default
---

# Otros extractores a conocer

<v-clicks>

Cuando `pdf-parse` no es suficiente (PDFs escaneados, tablas complejas, layouts mixtos):

| Extractor | Descripción | JS/TS | Tablas | OCR |
|-----------|-------------|-------|--------|-----|
| **Docling** (IBM) | Comprensión avanzada de layout | ❌ Solo Python | ✅ | ✅ |
| **Azure Doc Intelligence** | Servicio cloud de Microsoft | ✅ | ✅ | ✅ |
| **Amazon Textract** | Servicio cloud de AWS | ❌ Solo Python | ✅ | ✅ |
| **LlamaParse** | Parser de LlamaIndex, API cloud | ✅ via API | ✅ | ✅ |

### Docling — mención especial

- Proyecto open source de IBM con excelente calidad de extracción
- Integración oficial solo con LangChain Python (`langchain-docling`)
- Desde Node.js: consumir su API REST o usar como preproceso a markdown.


</v-clicks>