Cómo hacer que un PDF permita buscar texto o extraer su texto
Elija entre extracción de texto y reconocimiento OCR: un ejemplo práctico para PDF digitales, escaneos y documentos mixtos.
Empiece con una palabra
Abra el documento en un lector de PDF e intente seleccionar y copiar una palabra. Si obtiene texto legible, el PDF ya contiene una capa de texto: “PDF a texto” puede extraerlo sin reconocimiento óptico. Es posible que un escaneo ya tenga una capa de OCR, por lo que la apariencia fotográfica por sí sola no es suficiente para distinguirlo.
Cómo hacer que un PDF permita buscar texto
Si no puede seleccionar las palabras, la página puede ser una imagen. OCR PDF analiza la imagen y reconoce caracteres en los 12 idiomas disponibles. Elija TXT para obtener texto que pueda copiar, o PDF con texto buscable para conservar el aspecto de las páginas con una capa de texto.
El primer uso descarga el motor del sitio; el escaneo permanece en el dispositivo. Trabaje en unas pocas páginas a la vez, hasta un límite de 20, especialmente en su teléfono.
Un ejemplo con un documento mixto
Un documento contiene dos páginas digitales y tres recibos escaneados. Use PDF a texto en las páginas digitales y OCR solo en los recibos: evitará reconocer de nuevo el texto que ya está disponible. El resultado OCR incluye solo las páginas seleccionadas.
Compruebe las cifras y el orden de lectura
Compare el texto con el original, sobre todo las fechas, los importes, los nombres y los códigos. El OCR no siempre reconstruye correctamente las tablas y las columnas; la extracción a TXT no conserva las fuentes ni la maquetación. Para obtener una copia visual de la página, use PDF a JPG y PNG.