OCR de PDF
Lee las palabras de las páginas escaneadas, compáralas con la imagen de la página y corrige lo que se haya leído mal. Puedes guardar el resultado como PDF con búsqueda o como archivo de texto sin formato.
Añade un PDF, escaneado o no, para leer su texto.
o suelta el archivo aquí
- Páginas listas
- 0
- Palabras
- 0
- Caracteres
- 0
Guardar el resultado
El PDF con búsqueda deja cada página tal cual y añade las palabras reconocidas como texto invisible, para que puedas buscarlas, seleccionarlas y copiarlas. Incluye tus correcciones.
Tu PDF se procesa dentro de esta pestaña del navegador y nunca se sube.
Cómo se usa
- Pulsa «Elegir un archivo» o suelta un PDF sobre la herramienta. Sus páginas aparecen como una tira de miniaturas, cada una marcada como «Escaneada» o «Capa de texto».
- En «Idiomas del reconocimiento», marca todos los idiomas que use el documento. Al empezar están marcados English y Español, y tu elección se recuerda.
- Si el documento es largo, elige «Rango de páginas» en «Páginas», escribe algo como 1-3, 5 y pulsa «Aplicar». Esta opción solo aparece cuando el archivo tiene más de una página.
- Pulsa «Reconocer todas las páginas», o abre una sola página y pulsa «Reconocer esta página». Las páginas que ya contienen texto real se leen directamente.
- Compara la página con su texto y corrige lo que se haya leído mal. En una pantalla ancha la página queda a la izquierda y el texto a la derecha. «Deshacer mis cambios» recupera el texto reconocido de esa página.
- En «Guardar el resultado», pulsa «PDF con búsqueda» para obtener una copia con una capa de texto invisible, «Archivo de texto (.txt)» para texto sin formato o «Copiar todo el texto» para pegarlo en otro sitio.
Qué hace
Página y texto, lado a lado
La imagen de la página y su texto se muestran juntos, y el texto está en un cuadro que puedes editar. «Mostrar recuadros de palabras» tiñe cada palabra reconocida sobre la página, para que veas qué se leyó y dónde.
Una copia con búsqueda que se ve igual
«PDF con búsqueda» conserva cada página exactamente como está y coloca encima las palabras reconocidas como texto invisible, de modo que una búsqueda las encuentra y puedes seleccionarlas o copiarlas. Tus correcciones también se incluyen, y el archivo recibe el nombre del original con -ocr añadido.
Páginas que ya tienen texto
Una página que ya contiene texto real se lee directamente y se etiqueta como «Capa de texto», sin necesidad de reconocimiento. Si ese texto se ve mal, «Reconocer de todos modos» lee en su lugar la imagen de la página.
Siete idiomas de reconocimiento
Elige cualquiera de estos: alemán, coreano, español, francés, inglés, japonés y portugués, solos o mezclados en la misma página. Cada uno aparece con su propio nombre, como Deutsch o 한국어. Cuantos menos idiomas, más rápido es el reconocimiento, así que marca solo los que aparecen en tu documento.
Búsqueda en todas las páginas
«Buscar en todas las páginas» cuenta las coincidencias en todo el texto, las tiñe sobre la página y enumera las páginas en las que están, por ejemplo p. 3 (2). Los contadores de arriba muestran las páginas listas, las palabras y los caracteres.
Se reconoce en tu dispositivo
El texto lo lee Tesseract OCR, que se ejecuta en tu navegador, así que el PDF no se sube. La primera vez se descargan los datos de idioma desde este sitio, y tu navegador los conserva para la próxima.
Conviene saber
Un contrato de alquiler escaneado, un recibo fotografiado dentro de un PDF o un informe viejo contienen solo una imagen por página, y por eso no admiten búsquedas ni copiado. Una vez reconocido, puedes encontrar una cláusula por sus palabras, pegar un párrafo en un correo o archivar el documento para que una búsqueda lo localice. Usa «Archivo de texto (.txt)» cuando solo necesites las palabras y «PDF con búsqueda» cuando las páginas deban quedar como están.
El reconocimiento funciona mejor con escaneos rectos y nítidos de letra oscura sobre papel claro. La letra pequeña, los sellos, la escritura a mano, los pliegues y las copias tenues se leen mal con más frecuencia, así que comprueba nombres, fechas e importes con la página antes de fiarte de ellos. El archivo de texto marca cada página de un documento más largo con una línea como — Página 2 —, y las correcciones que escribas pasan a ambos archivos.
Las páginas escaneadas se leen de una en una, así que un escaneo largo tarda un rato, más aún en un teléfono. «Detener» interrumpe la lectura y conserva las páginas que ya están listas. Un PDF que pide contraseña para abrirse no se puede leer, así que quita antes la contraseña con Desbloquear PDF. Si solo quieres un archivo de texto rápido, sin revisar página por página, la herramienta PDF a texto también lee páginas escaneadas.
Preguntas frecuentes
¿Cómo puedo buscar texto en un PDF escaneado?
Añade el PDF y pulsa «Reconocer todas las páginas». Revisa el texto y después pulsa «PDF con búsqueda». El archivo que obtienes se ve igual que el escaneo, pero sus palabras se pueden buscar y copiar.
¿Se verán distintas mis páginas después?
No. Cada página original queda como estaba. Las palabras reconocidas se superponen como texto invisible, cada una en el lugar en que aparece en la página.
¿Puede leer coreano o japonés?
Sí. El coreano (한국어) y el japonés (日本語) están entre los siete idiomas. Márcalos en «Idiomas del reconocimiento» antes de empezar, junto con cualquier otro idioma del documento.
¿Por qué algunas palabras salen mal?
Las copias tenues, la letra diminuta, los sellos y la escritura manuscrita confunden al reconocimiento. Corrige la palabra en el cuadro de texto que está junto a la página y ambos archivos guardados usarán tu corrección.
¿Funciona con un PDF que ya tiene texto?
Sí. En una página con texto propio, ese texto se toma directamente del archivo, y al guardar un PDF con búsqueda la página queda como está. El mensaje bajo los botones indica cuántas páginas recibieron una capa de texto nueva.
¿Se envía mi PDF a algún servidor?
No. El reconocimiento se ejecuta en tu navegador, así que el PDF se queda en tu dispositivo. Lo único que se descarga son los datos de idioma, que llegan desde este sitio la primera vez que ejecutas el reconocimiento.