OCR PDF

Hace que un PDF sea buscable y copiable.

Cómo funciona:

  • Extraer texto: Usa Tesseract OCR para reconocer texto en imágenes escaneadas o PDF.
  • Salida buscable: Crea un nuevo PDF con una capa de texto invisible, haciendo tu documento totalmente buscable y conservando la apariencia original.
  • Filtrado de caracteres: Usa listas blancas para filtrar caracteres no deseados y mejorar la precisión para tipos específicos de documentos (facturas, formularios, etc.).
  • Soporte multilingüe: Selecciona varios idiomas para documentos que contengan contenido en idiomas mixtos.

Haz clic para seleccionar un archivo o arrastra y suelta

Tus archivos nunca salen de tu dispositivo.

Cómo funciona

1

Cargar archivo

Haz clic o arrastra tu archivo aquí

2

Proceso

Haz clic en el botón de procesar

3

Descargar

Guarda tu archivo procesado al instante

Herramientas PDF relacionadas

Fusionar PDF

Herramienta gratuita para fusionar PDF en línea

Comprimir PDF

Herramienta gratuita para comprimir PDF en línea

Dividir PDF

Herramienta gratuita para dividir PDF en línea

Editar PDF

Herramienta gratuita de edición de PDF en línea

Girar PDF

Herramienta gratuita en línea para rotar PDF

Preguntas frecuentes

¿Cómo sé si mi PDF necesita OCR?

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.

¿Qué idiomas puede reconocer?

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.

¿El OCR cambia la apariencia de mi documento?

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.

¿Qué configuración de resolución debo utilizar?

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.

¿Qué hace la lista blanca de personajes?

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.

¿Puede leer escritura a mano?

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.

¿Puedo obtener solo el texto reconocido en lugar de un PDF?

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.

¿OCR carga mis escaneos a un servidor?

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.