El OCR, reconocimiento óptico de caracteres, lee las letras de la imagen de una página y las convierte en texto que un ordenador puede buscar. Un PDF escaneado son solo imágenes, así que no puedes buscar en él, seleccionar una frase ni copiar un número. Después del OCR, sí. Esta herramienta lo hace en tu navegador, sin límite de páginas, y tu documento nunca se sube.
Hacer que un PDF escaneado se pueda buscar
El resultado se ve exactamente igual que tu escaneo, porque se conservan las páginas originales. Debajo de la imagen, una capa invisible de palabras reconocidas se coloca donde aparece cada palabra, así que la búsqueda resalta el sitio correcto y al seleccionar texto se cogen las palabras que ves. Para saber si un PDF ya tiene texto, intenta seleccionar una línea: si no puedes, necesita OCR.
Elegir los idiomas del OCR
El reconocimiento necesita saber qué alfabeto y qué palabras esperar, así que elige todos los idiomas impresos en el documento, por ejemplo inglés y español para un formulario bilingüe. Hay más de 100 idiomas, entre ellos chino, japonés, coreano, árabe, hebreo e hindi. Cada idioma se descarga una vez, normalmente unos pocos megas, y luego lo guarda tu navegador; el tamaño se muestra antes de empezar. Elegir idiomas que no están en el documento hace el reconocimiento más lento y menos preciso.
Qué influye en la precisión del OCR
En un escaneo limpio y recto de texto impreso a 300 ppp, se lee bien casi cada palabra. La precisión baja con fotos del móvil borrosas, poca resolución, páginas torcidas o curvadas, impresión débil, fondos de color, tipos de letra poco habituales y tablas con líneas muy juntas. La letra manuscrita casi nunca se reconoce. Subir la resolución en los ajustes avanzados ayuda con la letra pequeña, a costa de tiempo. Revisa siempre los nombres y números de los que dependas.
Cómo funciona
Cada página se dibuja como imagen en tu navegador y la lee Tesseract, un motor de OCR de código abierto que funciona en tu dispositivo. Las palabras que encuentra y sus posiciones se escriben en una copia de tu PDF como capa de texto invisible y se reúnen en el archivo de texto. Un portátil procesa una página en unos segundos; un móvil es más lento. Los documentos largos tardan más pero no tienen límite, y la estimación antes de empezar te dice qué esperar.
Para qué se usa y cuándo no funciona
Contratos y cartas escaneados, libros y tesis antiguos, tiques y facturas para la contabilidad, apuntes de clase, documentos de un archivo y cualquier cosa que quieras buscar más tarde en tu ordenador.
- El diseño no se reconstruye. El PDF buscable conserva el aspecto original; el archivo de texto es texto plano. Para editar el documento, usa después PDF a Word.
- La letra manuscrita casi nunca se reconoce.
- Los PDF que ya tienen texto no necesitan OCR; para sacar su texto, usa PDF a texto.
- En un móvil, mantén la pantalla encendida y la pestaña abierta durante los trabajos largos, o el navegador los pausará.