OCR PDF: reconocimiento de texto en un escaneo
Convierte un documento escaneado en un PDF con texto buscable, o extrae su texto plano, con un motor de OCR que funciona por completo en tu dispositivo. La mayoría de las herramientas de OCR gratuitas suben tu escaneo a un servidor para leerlo; esta no lo necesita.
Suelta tu archivo aquí o haz clic para elegirlo
Tu archivo no sale de tu dispositivo. No se copia en ningún servidor ni se guarda en caché. Cada herramienta de este sitio funciona con JavaScript, directamente en la pestaña que tienes abierta. Puedes comprobarlo: pulsa F12, abre la pestaña «Red» («Network» en Chrome y Edge) y usa la herramienta. Ninguna petición lleva tu archivo.
Cómo hacerlo, paso a paso
- 1
Elige el PDF
Arrastra a la herramienta el PDF escaneado, o haz clic para elegirlo. El escaneo se queda en tu dispositivo.
- 2
Elige el resultado
Elige qué hacer con el texto reconocido: «Convertirlo en un PDF con texto buscable» (conserva el aspecto original y añade texto seleccionable) o «Solo extraer el texto (.txt)».
- 3
Ejecuta el OCR
Pulsa «Ejecutar OCR» y espera mientras se lee cada página. Con más páginas hace falta más tiempo, ya que el trabajo lo hace tu dispositivo.
- 4
Descarga
Descarga el resultado: un PDF con texto buscable o un archivo .txt, según lo que hayas elegido.
Límites, en pocas palabras
- Es bastante más lento que un servicio de OCR en servidor, porque el reconocimiento lo hace tu dispositivo y no una granja de servidores; los escaneos largos o de muchas páginas pueden tardar.
- La precisión depende de la calidad del escaneo: el texto impreso nítido, derecho y de buena resolución se lee bien, mientras que la letra manuscrita, las páginas torcidas o las fotos de baja resolución generan más errores.
- El motor de reconocimiento que se carga es el de inglés. En textos en español, las letras con acento y la ñ pueden salir mal reconocidas: revisa el resultado antes de fiarte de él.
- La primera ejecución descarga el motor de OCR y los datos de idioma (unos pocos megabytes) antes de poder empezar; después quedan en la caché de tu navegador y las siguientes son más rápidas.
- Un PDF protegido con contraseña hay que desbloquearlo antes, porque dibujar las páginas para reconocerlas exige abrir el archivo directamente.
OCR PDF: lo que el reconocimiento no lee bien, y cómo comprobarlo
- Escritura a mano. Este motor está entrenado con texto impreso. La letra cursiva o las notas manuscritas darán una salida ilegible o incompleta, no una transcripción aproximada.
- Páginas torcidas o giradas. Una página escaneada aunque sea un poco torcida se lee peor que una recta: gírala antes con Rotar PDF si un escaneo entró de lado.
- Fotos de baja resolución o poco contraste. Una foto del móvil tomada en ángulo, con mala luz o muy comprimida pierde el detalle de los caracteres que necesita el OCR: un escaneo con escáner de cama plana se lee con mucha más precisión.
- Idiomas distintos del inglés. Esta herramienta carga actualmente solo el modelo de idioma inglés. El texto en otros idiomas se reconocerá mal o no se reconocerá.
- Tablas complejas y diseños de varias columnas. El OCR lee bien el texto de izquierda a derecha y de arriba abajo, pero la estructura de una tabla (qué celda pertenece a qué fila) no se conserva: espera las palabras, no el diseño.
- Texto con marca de agua o poco contraste. El texto que se superpone a una marca de agua, un sello o un color de fondo claro es más difícil de separar de la página que el texto negro limpio sobre blanco.