Hace que un PDF sea buscable y copiable.
Cómo funciona:
Haz clic para seleccionar un archivo o arrastra y suelta
Tus archivos nunca salen de tu dispositivo.
Seleccionado: Ninguno
Solo se reconocerán estos caracteres. Deja vacío para todos los caracteres.
Solo se reconocerán estos caracteres. Deja vacío para todos los caracteres.
Inicializando...
Tu PDF buscable está listo. También puedes copiar o descargar el texto extraído a continuación.
Procesando...
Haz clic o arrastra tu archivo aquí
Haz clic en el botón de procesar
Guarda tu archivo procesado al instante
Abra el archivo en cualquier visor e intente seleccionar una línea de texto. Si no se resalta nada o la búsqueda no encuentra coincidencias, las páginas son solo imágenes (un escaneo o una foto) y el OCR es lo que agrega el texto que falta. Un PDF que ya tiene texto seleccionable no necesita esta herramienta.
Se enumeran más de 100 paquetes de idiomas de Tesseract, desde inglés y español hasta árabe, hindi, japonés y chino. Marque todos los idiomas que aparecen en el documento; Los paquetes se cargan juntos para que las páginas en varios idiomas se reconozcan en una sola pasada. Algunas implementaciones autohospedadas incluyen una lista más corta y lo dicen encima del selector de idioma.
No. Las páginas originales se copian sin cambios y se dibuja una capa de texto invisible en la parte superior, colocada palabra por palabra para que coincida con el escaneo. Verá la misma imagen que antes, pero ahora puede buscar, seleccionar y copiar el texto.
Alto (288 DPI) es el valor predeterminado y admite documentos de oficina típicos. Cambie a Estándar (192 DPI) cuando la velocidad sea importante o el archivo sea largo, y use Ultra (384 DPI) para impresiones pequeñas, notas a pie de página o escaneos deficientes. Las configuraciones más altas tardan notablemente más ya que cada página se representa con ese tamaño antes del reconocimiento.
Restringe la salida a un conjunto fijo de caracteres, lo que reduce errores como que una l minúscula se lea como 1. El ajuste preestablecido de Factura solo permite dígitos y los símbolos $. , / - # :, Números Sólo se adapta a números de serie o lecturas de medidores, y Personalizado le permite escribir su propio conjunto.
No de manera confiable. Tesseract se basa en texto impreso, por lo que las mayúsculas claras a veces funcionan, pero la cursiva produce principalmente ruido. Los resultados son mejores en páginas impresas limpias y bien iluminadas; la opción Binarizar ayuda con escaneos descoloridos o de bajo contraste, y Alinear PDF endereza primero los inclinados.
Sí. Cuando finaliza el OCR, el texto extraído aparece en un cuadro donde puede revisarlo, copiarlo al portapapeles o descargarlo como ocr-text.txt. La descarga del PDF con capacidad de búsqueda es independiente, por lo que puede elegir una o ambas.
No. Tesseract se ejecuta como WebAssembly dentro de su navegador; las únicas descargas son el motor OCR y los paquetes de idioma que seleccionó, que se obtienen la primera vez que se necesitan. Las páginas escaneadas y el texto reconocido permanecen en su dispositivo.