¿Cómo hago que un PDF escaneado se pueda buscar?

¿Por qué no puedo buscar ni copiar texto en un PDF escaneado?

Porque un escaneo es una imagen de la página, no texto real. Tu lector de PDF ve píxeles con forma de letras, no las letras en sí.

• Es una foto, no texto: el programa de escaneo guarda cada página como una imagen, como una foto del móvil.
• Ctrl+F no encuentra nada: detrás de la imagen no hay texto que tu lector de PDF pueda buscar.
• Copiar y pegar falla: intenta seleccionar una frase y te llevarás la página entera como imagen, o nada.
• Los lectores de pantalla se quedan mudos: sin texto que leer, quien usa un lector de pantalla no oye nada.

¿Cómo hace el OCR que un escaneo se pueda buscar?

El OCR mira la forma de cada letra de la página, averigua a qué carácter corresponde y coloca texto invisible sobre la imagen en el mismo sitio.

• La imagen no cambia: el OCR añade una capa de texto oculta bajo lo que ya ves, no vuelve a dibujar la página.
• Revisa todo el documento: un escaneo de 20 páginas son 20 páginas de formas comparadas con patrones de letras.
• El idioma importa: elige el idioma correcto antes de pasar OCR PDF, porque lee según ese alfabeto.
• Los escaneos limpios van más rápido: una página nítida y bien iluminada tarda un par de segundos. Una borrosa o torcida tarda más y comete más errores.

¿Qué tan preciso es el OCR de verdad?

Con texto escrito a máquina y limpio es muy bueno hoy en día, a menudo con un 98 a 99 % de acierto. Con escaneos malos o letra a mano es mucho menos fiable.

• Texto a máquina: un escaneo claro de una página impresa suele salir casi palabra por palabra.
• Letra a mano ordenada: las mayúsculas y la letra de imprenta rondan entre el 80 y el 95 % de acierto, según quien escriba.
• Cursiva: la letra ligada es el caso más difícil para la mayoría de las herramientas de OCR, y a veces baja del 60 % de acierto.
• Confusiones habituales: los caracteres parecidos lo despistan, como la letra O y el número 0, o «rn» leído como «m».
• Un mal escaneo lo empeora: poca luz, una página torcida o una foto de baja resolución dejan al OCR con menos con qué trabajar.

¿Qué pasos hay que seguir para que un PDF escaneado se pueda buscar?

Sube el archivo, pásale el OCR y prueba el resultado antes de fiarte de él.

• Abre OCR PDF y añade tu archivo escaneado.
• Elige el idioma en que está escrito el documento, para que la herramienta lo lea bien.
• Ejecútalo y descarga el resultado. Se ve igual que antes, pero ahora lleva una capa de texto debajo.
• Pruébalo: abre el archivo nuevo y busca una palabra que veas en la página.
• Comprueba con el escaneo original todo lo que importe, como una cláusula de un contrato o un número de documento.

¿Puedo convertir un PDF escaneado en un documento de Word editable?

Sí. Cuando un escaneo tiene capa de texto, puedes sacar las palabras y editarlas directamente.

• Pasa primero el OCR: PDF a Word recupera el texto que ya hay en el archivo, así que un escaneo necesita una capa de texto de OCR PDF antes de convertirlo.
• Cuenta con algún retoque: los saltos de línea, los números de página y las tablas rara vez quedan perfectos, así que repásalo antes de enviarlo.
• Solo quieres las palabras, sin formato: PDF a TXT te da texto plano y nada más.

Prueba las herramientas

Pruébalo con tu propio archivo. Las herramientas son gratis y no necesitas una cuenta.