Tienes un PDF que solo es una foto de sus páginas, o la fotografía de un recibo, y necesitas el texto: copiarlo, buscarlo o ponerlo en una hoja de cálculo. El mecanismo que lo hace posible se llama OCR, y su resultado depende de una sola realidad: que el texto dentro de la imagen sea lo bastante claro.
Qué es el OCR y cuándo funciona
OCR (reconocimiento óptico de caracteres) es la técnica que convierte la imagen de un texto en texto real editable. Un PDF creado desde un programa ya contiene texto; un PDF escaneado es solo una imagen: puedes verlo, pero no seleccionar, buscar ni editar sus palabras.
El OCR funciona bien cuando el texto está nítido, bien iluminado y sin elementos decorativos encima. Rinde más con tipografía impresa que con manuscritos. Con la foto de una página impresa clara el resultado suele ser muy bueno; con imágenes torcidas, sombreadas o de baja resolución empeora.
Si no sabes si tu PDF ya tiene texto, la herramienta Detectar si el PDF necesita OCR te lo dice antes de perder tiempo.
De la imagen al texto o la tabla editable
- Si necesitas el texto plano de un escaneado, usa Extraer texto de PDF escaneado.
- Si lo que quieres son los datos en columnas, Tabla de imagen a Excel reconstruye la tabla a partir de la imagen.
- Si solo necesitas que el PDF sea buscable manteniendo la apariencia del escaneado, PDF escaneado a PDF buscable añade la capa de texto invisible.
Después de extraer, revisa siempre las cifras: el OCR puede confundir caracteres parecidos (una «1» con una «l», un punto decimal mal leído). Para cálculos o datos importantes, compara el resultado con el original.
Escaneado ilegible: mejora la imagen antes de extraer
Si la extracción devuelve errores, el problema suele estar en la imagen, no en el OCR. Prueba primero Mejorar documento escaneado, que ajusta contraste y nitidez, o Escanear documento con cámara para fotografiar la página en plano y con buena luz.
Una página doblada o fotografiada con la cámara torcida conviene enderezarla antes, y si la foto capturó dos páginas a la vez, divídela primero. Espera peores resultados con manuscritos: el OCR de texto escrito a mano rinde mucho menos que el de texto impreso.
Herramientas útiles para esta guía
Preguntas frecuentes
¿El OCR es exacto al 100%?
No. Con texto impreso claro el resultado es muy bueno, pero puede tener errores con mala calidad o manuscritos. Revisa cifras y nombres propios antes de usar el resultado en un contexto importante.
¿Qué diferencia hay entre un PDF escaneado y uno buscable?
Un PDF escaneado es una imagen sin texto. Un PDF buscable conserva la apariencia del escaneado pero añade texto invisible encima: puedes buscar, copiar y seleccionar el contenido.