Saltar al contenido
Volver a todas las herramientas№ 055

OCR PDF

Reconoce el texto de PDF escaneados para hacerlo buscable y copiable.

0 B subidos a un servidor

Añade primero un archivo.

Un PDF escaneado es una fotografía de una página. Parece un documento pero no contiene texto, por eso al buscar no se encuentra nada y al copiar no se obtiene nada. El OCR lee las formas de la imagen, reconoce los caracteres y añade una capa de texto invisible detrás de la imagen, así que la página se ve idéntica pero pasa a poder buscarse y seleccionarse.

El reconocimiento se ejecuta por completo en el navegador con Tesseract compilado a WebAssembly. La primera vez se descarga el modelo del idioma que elijas; después queda en caché.

Cómo funciona

  1. Abre el PDF escaneado o la imagen.
  2. Elige el idioma del texto: la precisión depende mucho de ello.
  3. Ejecuta el reconocimiento y espera; una página tarda unos segundos.
  4. Descarga el PDF con su capa de texto, ya apto para búsquedas.

Para qué se usa

  • Hacer que un archivo de facturas escaneadas se pueda buscar por nombre de proveedor.
  • Preparar un escaneo para convertirlo a Word, que necesita una capa de texto real.
  • Citar un capítulo de un libro escaneado sin volver a teclearlo.

Preguntas frecuentes

¿Se sube mi archivo a un servidor?
No. El archivo lo abren JavaScript y WebAssembly dentro de la pestaña de tu propio navegador. Nunca se sube, no hay procesamiento en ningún servidor y no se guarda nada: al cerrar la pestaña, todo desaparece.
¿Por qué el reconocimiento es lento?
Porque se ejecuta de verdad en tu dispositivo y no en una granja de servidores. Cuenta con unos segundos por página, más en un móvil. La contrapartida es que el documento nunca sale del equipo.
El texto reconocido tiene errores.
La precisión del OCR depende de la calidad del escaneo. Apunta a 300 dpi como mínimo, páginas rectas y buen contraste. Elegir el idioma equivocado es la causa más habitual de malos resultados, seguida de las fotos de móvil torcidas o con sombras.
¿La página se ve distinta después?
No. Se conserva la imagen original y el texto reconocido se coloca de forma invisible detrás de ella, así que el aspecto no cambia.

Herramientas relacionadas