Cómo hacer buscable un PDF escaneado con OCR
Un PDF escaneado parece texto, pero en realidad es una imagen de una página, así que no puedes seleccionar una palabra ni buscar un nombre. El OCR (reconocimiento óptico de caracteres) lee la imagen y añade una capa de texto real, de modo que el documento se puede buscar y copiar.
Cómo saber si necesitas OCR
Intenta seleccionar una línea de texto en el PDF. Si el cursor resalta palabras sueltas, ya tiene una capa de texto. Si no se selecciona nada, o toda la página se resalta como una sola imagen, es un escaneo que necesita OCR.
Esto es importante para encontrar una cláusula en un contrato largo, citar un informe o hacer que un archivo documental se pueda buscar.
Paso a paso
Abre OCR PDF y sube tu documento escaneado. La herramienta lee cada página y crea una capa de texto detrás de la imagen.
Descarga el resultado. Se ve exactamente igual, pero ahora puedes seleccionar, copiar y buscar el texto, y otras herramientas también pueden leerlo.
Cómo obtener los mejores resultados
La precisión del OCR depende de la calidad del escaneo. Los escaneos rectos, bien iluminados y con buen contraste se leen casi a la perfección; los torcidos o desvaídos producen más errores. Enderezar antes un escaneo inclinado mejora el resultado.
Si hay unas cuantas cifras clave, compruébalas siempre con el original, porque ningún OCR es perfecto con escaneos de mala calidad.
Por qué un escaneo necesita OCR
Un PDF escaneado parece un documento, pero para un ordenador no es más que una foto de uno. No puedes seleccionar el texto, buscarlo ni copiarlo, porque ahí no hay texto: solo una imagen de tinta sobre papel. El OCR (reconocimiento óptico de caracteres) lee las formas de esa imagen y reconstruye los caracteres reales, convirtiendo la imagen en una capa de texto real, buscable y seleccionable bajo la página.
Este es el paso que lo desbloquea todo: en cuanto un escaneo tiene capa de texto, puedes buscar en él, copiar de él, convertirlo a Word y editarlo. Sin OCR, un contrato escaneado es en la práctica una fotografía con la que no puedes trabajar.
Cómo conseguir un resultado preciso
La precisión del OCR depende mucho de la calidad del escaneo. Un escaneo limpio, recto y con buen contraste de un texto impreso se lee casi a la perfección. Una fotocopia desvaída, una página fotografiada en ángulo o un texto manuscrito son mucho más difíciles. Para obtener el mejor resultado, escanea o fotografía con buena luz, mantén la página plana y recta y usa la mayor resolución razonable.
Si una página salió torcida, enderezarla primero con Enderezar PDF mejora notablemente el reconocimiento, porque el OCR lee con más fiabilidad las líneas de texto horizontales cuando realmente están horizontales.
Qué hacer después del OCR
Una vez que el escaneo se puede buscar, puedes sacarle partido: convertirlo a Word para que sea totalmente editable, copiar citas o cifras o, simplemente, guardarlo como PDF de archivo que podrás encontrar más adelante buscando en su texto. Con grandes lotes de documentos escaneados, el OCR es lo que convierte un montón inservible de imágenes en una biblioteca en la que se puede buscar.