pdfMB

OCR PDF

Haz que un PDF escaneado se pueda buscar y copia su texto. Las páginas se ven exactamente igual y tu archivo se queda en este dispositivo.

  • Sin subidasTu archivo se queda en este dispositivo.
  • Los datos de idioma se descargan una vezSolo se descargan los datos de lectura de tus idiomas y se guardan en este dispositivo.
  • Gratis, sin registroSin cuenta y sin límite diario.

Qué pasa con tu archivo

Todo lo que se describe abajo ocurre dentro de tu navegador, en tu propio dispositivo. Tu PDF o tus fotos nunca se suben, así que nadie más, ni siquiera nosotros, puede verlos.

  1. El lector de texto es Tesseract, un motor de OCR gratuito y de código abierto, que funciona en tu navegador. Se carga desde el propio pdfMB, no desde el servidor de otra empresa.
  2. La primera vez que usas un idioma, sus datos (entre 0,5 y 3 MB) se descargan desde pdfMB y tu navegador los guarda. Es la única descarga: tu archivo no va a ninguna parte.
  3. Cada página se dibuja como una imagen a 300 dpi y se lee línea a línea. Las páginas que ya tienen texto de verdad se saltan, salvo que pidas leerlas.
  4. Las palabras encontradas se añaden a la página como texto invisible, colocado encima de las mismas palabras de la imagen. Así puedes buscar, seleccionar y copiar en cualquier lector de PDF.
  5. No se vuelve a dibujar ni a comprimir nada de las páginas. El texto nuevo se añade al final del archivo, y el archivo original sigue dentro sin cambios, byte a byte.
  6. Las fotos entran en el PDF tal como están (las fotos JPEG no se vuelven a comprimir) y el texto se añade encima.
En resumen
  1. Elige un PDF o fotos
  2. Revisa los idiomas
  3. Pulsa “Leer”
  4. Descarga o copia el texto

Cómo hacer que un PDF escaneado se pueda buscar

  1. Elige un PDF, o una o varias fotos de páginas.
  2. Revisa los idiomas. El idioma de esta página y el inglés ya vienen elegidos; añade cualquier otro idioma que aparezca en el documento.
  3. Pulsa «Leer». Las páginas se leen una a una y puedes ver qué página se está leyendo.
  4. Descarga el PDF con búsqueda, o copia el texto y guárdalo como archivo .txt.

Consejos para un buen resultado

  • Escanea a 300 dpi si tu escáner te deja elegir. Con resoluciones más bajas, las letras pequeñas cuestan de leer.
  • Fotografía las páginas planas, de frente y con buena luz, sin sombras sobre el texto. La herramienta Escanear a PDF endereza las páginas por ti.
  • Pon primero en su sitio las páginas de lado o del revés con Rotar PDF.
  • Elige solo los idiomas que de verdad aparecen en el documento. Los idiomas de más hacen la lectura más lenta y pueden añadir errores.
  • La letra a mano, la letra muy pequeña y las fuentes decorativas se leen mal, así que revisa el texto antes de fiarte de él.

Cuándo se usa

Contratos y cartas escaneados

Encuentra un nombre, una fecha o un importe en un documento escaneado largo con Ctrl+F, sin leer todas las páginas.

Papeles antiguos y archivos

Haz que tus carpetas de páginas escaneadas se puedan buscar, para que el ordenador encuentre un documento por las palabras que contiene.

Fotos de avisos y tiques

Copia el texto de la foto de un aviso, una carta de restaurante o un tique y pégalo en un mensaje o en un traductor.

Documentos en más de un idioma

Elige dos o más idiomas, como español e inglés o chino e inglés, y se leen los dos en la misma página.

Lo que no puede hacer

  • El OCR comete errores, sobre todo con fotos borrosas, letra pequeña, tablas y letra a mano. Revisa siempre los nombres, números e importes importantes.
  • El texto se lee en líneas horizontales. El chino o el japonés en vertical, y las páginas de lado, no se leen bien.
  • No se reconstruye la maquetación. Obtienes texto con búsqueda sobre la página original, no un documento de Word editable.
  • En nuestras pruebas, algunos idiomas se leen con menos precisión que otros. Aparecen marcados con «menor precisión» en la lista de idiomas.
  • Los datos de un idioma se descargan la primera vez que lo usas (el tamaño se muestra antes de empezar), así que esa primera vez necesitas conexión a internet.
  • La lectura se hace en tu dispositivo, así que es más lenta en teléfonos antiguos, y los documentos muy largos pueden agotar la memoria de un teléfono. Divídelos primero en partes.
  • No se pueden leer los PDF con contraseña ni los PDF cuyo propietario ha bloqueado los cambios.

Preguntas sobre el OCR

¿Qué es el OCR?

OCR (reconocimiento óptico de caracteres) significa leer las letras de una imagen y convertirlas en texto de verdad. Un PDF escaneado solo contiene imágenes de páginas, así que no puedes buscar en él ni copiar nada hasta que pase por el OCR.

¿Mi PDF se verá diferente?

No. El texto se añade como una capa invisible, así que las páginas se ven exactamente igual. En nuestras pruebas, las páginas son idénticas, píxel a píxel, antes y después.

¿Se sube mi documento?

No. El lector de texto funciona en tu navegador. Lo único que se descarga son los datos de idioma, desde pdfMB. Tu archivo no se envía a ninguna parte.

¿Qué idiomas puede leer?

Los 32 idiomas de este sitio, entre ellos español, inglés, tailandés, chino (simplificado y tradicional), japonés, coreano, árabe, hebreo, hindi, bengalí, birmano, ruso y vietnamita. Elige varios si el documento mezcla idiomas.

¿Qué precisión tiene?

En páginas impresas limpias, la mayoría de los idiomas aciertan casi todos los caracteres. Las fotos, la letra pequeña y algunas escrituras son más difíciles. Probamos todos los idiomas y marcamos los más débiles con «menor precisión».

¿Por qué se saltan algunas páginas?

Las páginas que ya tienen texto de verdad, como las creadas en Word, no necesitan OCR, así que se dejan como están. Marca «Leer también las páginas que ya tienen texto» para leerlas de todos modos.

¿Puedo quedarme solo con el texto?

Sí. Después de la lectura, el texto aparece debajo del botón de descarga. Pulsa «Copiar texto», o «Descargar .txt» para guardarlo como archivo de texto sin formato.