OCR PDF — hacer que un PDF escaneado sea editable y buscable

Cómo aplicar OCR a un PDF escaneado

1. 1

   Sube el PDF escaneado

   Un documento que en realidad es una imagen de texto, de hasta 300 MB y 500 páginas.

2. 2

   Elige el idioma del documento

   Elige hasta tres idiomas si el documento los mezcla y decide si quieres omitir las páginas que ya tienen texto.

3. 3

   Descarga el PDF con texto buscable

   Mismas páginas en el mismo orden, pero ahora el texto se puede seleccionar, copiar y buscar con Ctrl+F.

La imagen se queda, debajo va una capa de texto

El OCR no convierte tu escaneo en otro tipo de documento. Reconoce las palabras de cada página y coloca una capa de texto invisible y bien alineada detrás de la imagen que ya ves. Abres el resultado y se ve como el original, salvo las páginas torcidas, que vuelven enderezadas (más abajo), y ahora el texto se puede seleccionar y un buscador, un lector de pantalla o tu propio Ctrl+F pueden leerlo. No cambia el número de páginas ni su orden.

Tres modos para tres situaciones

Omitir texto existente es el modo predeterminado y la opción más segura: las páginas que ya tienen una capa de texto se dejan como están y solo se reconocen las que son imagen pura. Repetir OCR sustituye una capa de texto que ya existe, útil cuando un OCR anterior hizo un trabajo pobre; no funciona junto con el enderezado, así que antes desactiva «Enderezar páginas torcidas» en «Más ajustes». Forzar OCR ignora cualquier texto existente y vuelve a reconocer todas las páginas como imagen, importante cuando la capa de texto que ya hay es incorrecta, está dañada o quedó de un reconocimiento equivocado.

Corregir inclinación, girar y limpiar antes de reconocer

Un escaneo fotografiado con un ligero ángulo o al revés reduce mucho la precisión del reconocimiento, así que la corrección de inclinación y la rotación automática se ejecutan por defecto antes de que Tesseract vea la página, y la página enderezada es la que pasa al resultado; desactiva ambas en «Más ajustes» para dejar cada página tal como estaba. Hay una limpieza de fondo opcional para escaneos con textura de papel visible o transparencia de la otra cara, a cambio de un tiempo de proceso algo mayor.

Preguntas frecuentes

Guías

• Comprimir un libro escaneado: qué hace cada nivel con 60 páginasEn un foro preguntaron cómo reducir el escaneo de un libro de 580 páginas sin estropear el texto. Pasamos un escaneo de 60 páginas por todos los niveles de Comprimir PDF y revisamos los píxeles, los tamaños y las palabras.
• Pasar un PDF a Word en Mac sin Acrobat: tres formas y qué conserva cada unaEn Mac, Vista Previa copia texto y Pages no puede abrir un PDF, así que la vía integrada termina en copiar y pegar. Esto es lo que conserva cada vía, desde la conversión del propio Word hasta una herramienta en línea que, en nuestro servidor, reconstruye el archivo como DOCX.
• Convertir un montón de páginas escaneadas en un PDF con búsquedaLa cámara del móvil y un escáner de cama plana resuelven problemas distintos, y ninguno hace que el resultado se pueda buscar por sí solo.
• Cómo convertir un montón de fotos en un solo PDF bien ordenadoUna carpeta llena de fotos de recibos o páginas se convierte en un documento útil en dos pasos separados: montarlo y después dejar el orden correcto.
• Cómo crear una cadena de procesamiento de archivos que puedas reutilizar siempreLa mayoría de los trabajos reales con documentos necesitan tres o cuatro herramientas distintas ejecutadas en un orden concreto, y hacerlo de memoria es la forma más fácil de saltarse un paso.
• Por qué un PDF reparado puede seguir fallando la validación para archivoReparar un PDF que no abre y dejarlo listo para archivo son dos estándares completamente distintos. Cumplir uno no dice nada sobre el otro.
• De PDF a Word y vuelta: qué sobrevive de verdad al viajeConvertir un PDF en Word y convertir un Word en PDF no son la misma operación vista desde lados opuestos. En un caso hay que adivinar; en el otro, no.