Elegir idioma
  1. Inicio
  2. Otras herramientas
  3. OCR PDF

OCR PDF: reconoce el texto de tus escaneos

Convierte PDF escaneados y fotos de documentos en PDF con búsqueda y texto seleccionable, o extrae el texto en un archivo TXT. 24 idiomas.

Cargando la herramienta…
Valora esta herramienta
Aún no hay valoraciones. Sé el primero.

Cómo se usa

  1. Paso 1

    Añade los escaneos

    Suelta en la página los PDF escaneados o las imágenes (JPG, PNG, TIFF, BMP, GIF, WebP). Puedes añadir varios archivos.

  2. Paso 2

    Elige los idiomas

    Selecciona todos los idiomas que aparezcan en el documento, hasta cuatro. El idioma de esta página y el inglés vienen preseleccionados.

  3. Paso 3

    Elige el resultado

    Elige entre un PDF con búsqueda o texto sin formato, y si quieres enderezar las páginas torcidas o limpiar el ruido del escáner.

  4. Paso 4

    Reconoce y descarga

    Pulsa el botón. El reconocimiento de texto se ejecuta en nuestro servidor; después, descarga el resultado.

Qué hace el OCR

Una página escaneada es una imagen. Puedes leerla, pero un ordenador solo ve puntos: no puedes buscar en ella, copiar una frase ni hacer que un lector de pantalla la lea en voz alta. El OCR (reconocimiento óptico de caracteres) encuentra las letras de la imagen y las convierte en texto real.

Con PDF con búsqueda, la herramienta mantiene las imágenes de las páginas exactamente como están y añade debajo una capa de texto invisible. El documento se ve igual, pero ahora puedes buscar con Ctrl+F, seleccionar y copiar texto, y encontrarlo con el buscador de tu equipo o de tu sistema de documentos. Con Texto sin formato (.txt), obtienes solo el texto reconocido, listo para pegar en un correo o en un documento.

Idiomas

El reconocimiento funciona mucho mejor cuando conoce el idioma. Elige todos los idiomas que aparezcan en el documento, hasta cuatro. Con menos idiomas, el reconocimiento es más rápido y preciso. Los idiomas disponibles son:

inglés, español, portugués, francés, alemán, italiano, neerlandés, sueco, danés, polaco, checo, eslovaco, húngaro, rumano, griego, ruso, turco, indonesio, vietnamita, tailandés, chino (simplificado), chino (tradicional), japonés y coreano.

Opciones para mejorar los resultados

  • Enderezar páginas torcidas (activada por defecto): las páginas escaneadas con un ligero ángulo se giran para que queden rectas. Esto mejora el reconocimiento y hace que el documento se vea más limpio.
  • Quitar el ruido del escáner: elimina motas y suciedad de los escaneos de mala calidad antes del reconocimiento.
  • Páginas que ya tienen texto: Mantenerlas como están reconoce solo las páginas sin texto, lo adecuado para la mayoría de los escaneos. Rehacer el OCR sustituye una capa de texto antigua o defectuosa. Rasterizar y aplicar OCR a todo convierte cada página en una imagen y la reconoce de nuevo; úsalo cuando el texto existente salga ilegible.

Cómo conseguir un buen OCR

Lo que más importa es la calidad del escaneo. Escanea a 300 DPI; 200 DPI es el mínimo para texto normal, y la letra pequeña necesita más. En blanco y negro o en escala de grises es suficiente para texto. Las fotos hechas con el móvil sirven si la página está plana, nítida y bien iluminada de forma uniforme, tomada desde justo encima. El texto impreso se reconoce con mucha fiabilidad; la escritura a mano normalmente no se reconoce. Las tablas conservan su contenido, pero los diseños complejos con muchas columnas pueden salir en un orden de lectura distinto en el archivo de texto.

Procesamiento en el servidor, límites y privacidad

El OCR requiere mucha potencia de cálculo, por lo que se ejecuta en nuestro propio servidor con OCRmyPDF y Tesseract, dos conocidas herramientas de código abierto. Los archivos se envían mediante una conexión HTTPS cifrada, se procesan y se eliminan justo después; los resultados se borran en un plazo de 15 minutos. Un documento puede tener hasta 300 páginas y 100 MB. Los escaneos grandes tardan un poco; la página muestra el progreso y tu posición en la cola.

Otras herramientas de este sitio también usan OCR: PDF a Word y PDF a Excel reconocen automáticamente las páginas escaneadas, y DjVu a PDF puede hacer que el resultado admita búsquedas. Para reducir el tamaño de un PDF escaneado grande después del OCR, usa Comprimir PDF.

Preguntas frecuentes

¿Cómo hago que un PDF escaneado admita búsquedas?

Añade el PDF escaneado, elige su idioma, deja seleccionado PDF con búsqueda e inicia el reconocimiento. El resultado se ve igual, pero contiene texto seleccionable y con búsqueda.

¿El OCR cambia el aspecto de mi documento?

No. En un PDF con búsqueda, las imágenes de las páginas se quedan como están; el texto se añade como una capa invisible. Solo la opción de enderezar puede girar ligeramente las páginas torcidas.

¿Puede el OCR leer la escritura a mano?

Normalmente no. El reconocimiento está pensado para texto impreso. Las letras de molde bien hechas pueden funcionar en parte, pero no cuentes con ello.

¿Qué idiomas son compatibles?

24 idiomas, entre ellos inglés, español, francés, alemán, ruso, chino, japonés, coreano, tailandés y vietnamita. Puedes combinar hasta cuatro en un mismo documento.

¿Puedo aplicar OCR a una foto en lugar de a un PDF?

Sí. Se aceptan imágenes JPG, PNG, TIFF, BMP, GIF y WebP, y el resultado es un PDF con búsqueda o un archivo de texto.

¿Se guardan mis escaneos?

No. Se eliminan de nuestro servidor justo después del reconocimiento, y el resultado se borra en un plazo de 15 minutos.

Más herramientas PDF