PDF escaneado a texto (OCR):
lee el texto de páginas escaneadas

Cómo obtener el texto de un PDF escaneado

1. Elige el Idioma del documento en el panel de ajustes.
2. Haz clic en «Elegir archivos» o suelta el PDF escaneado en la página.
3. Cada página se lee por turnos y el progreso muestra cuánto va. La primera vez se descarga el lector de texto, así que empieza un poco más despacio.
4. Haz clic en «Guardar» para descargar el archivo .txt o .docx.

¿Necesitas OCR? Una prueba rápida

Abre el PDF e intenta seleccionar una palabra, o busca una con Ctrl+F (Cmd+F en Mac). Si la palabra se resalta o se encuentra, el PDF ya tiene texto. PDF a TXT y PDF a Word son más rápidos para esos archivos y copian el texto exacto, sin errores de reconocimiento.

Si no se puede seleccionar nada, el PDF contiene imágenes de páginas, que es lo que suelen generar los escáneres, las aplicaciones de escaneo del teléfono y los faxes. Para eso sirve esta herramienta.

Qué hace cada ajuste

• Idioma. Inglés, Urdu + inglés, Hindi + inglés, Árabe + inglés, Español, Portugués o Indonesio. Elige el idioma en el que está escrito el documento; los ajustes combinados leen las dos escrituras.
• Diseño. Automático (detecta las columnas) va bien para cartas, informes y artículos, y mantiene las columnas separadas. Línea por línea (recibos, tablas) lee cada página línea tras línea y conserva los espacios entre palabras, lo que ayuda con extractos, facturas y listas de precios en las que una etiqueta y un importe comparten línea.
• Guardar como. Archivo de texto (.txt) marca cada página con una línea como “----- Page 2 -----”. Documento de Word (.docx) empieza cada página en una página nueva de Word, y el texto en árabe y urdu se escribe de derecha a izquierda.

Cómo funciona y qué esperar

Cada página se dibuja a 300 dpi, una buena resolución para el OCR, y se lee de una en una. Las páginas muy grandes se dibujan más pequeñas para ahorrar memoria. Se leen todas las páginas, así que los documentos largos tardan un rato. Para leer solo una parte del archivo, recórtalo antes con Extraer páginas de PDF.

El lector de texto se descarga una sola vez, unos 1 MB más de 1 a 3 MB de datos por cada idioma, y tu navegador lo guarda para la próxima vez.

El resultado contiene solo las palabras. Las fuentes, la negrita, las imágenes y los bordes de las tablas no se conservan, y el escaneo en sí no se modifica. Esta herramienta no añade una capa de texto al PDF, así que el resultado no es un PDF con texto buscable.

Límites y problemas frecuentes

• La letra manuscrita no se lee de forma fiable. La herramienta está hecha para texto impreso y mecanografiado.
• Una página escaneada de lado o boca abajo no se corrige. Ponla en la posición correcta con Rotar PDF y luego ejecuta el OCR.
• Ves una nota que dice que algunas palabras pueden estar mal. El escaneo está borroso, es pequeño o es tenue. Vuelve a escanear a mayor resolución si puedes, y revisa siempre los nombres, las fechas y los importes.
• “Algunas páginas no tenían texto que pudiéramos leer” suele significar páginas en blanco o páginas con solo fotos.
• El PDF está protegido con contraseña. Quita antes la contraseña con Desbloquear PDF.