La respuesta corta
Elige el idioma del documento, suelta el PDF escaneado en la herramienta de abajo y espera mientras lee las páginas una a una. Cuando termine, descarga el PDF buscable, el archivo TXT o los dos en un ZIP. El PDF buscable conserva todas las páginas originales sin tocarlas y solo añade el texto invisible, así que se ve idéntico y apenas aumenta de tamaño.
Si el documento mezcla dos idiomas, por ejemplo un contrato en español con términos en inglés, elige también un segundo idioma. Si solo necesitas algunas páginas, escríbelas en el campo Páginas, por ejemplo 1-3, 5 u 8-.
Pruébalo aquí: OCR para PDF
Abrir la herramienta completaPor qué no se puede buscar en un PDF escaneado
Un PDF guardado desde un procesador de textos contiene texto real: cada letra, su fuente y su posición. Un escáner, una fotocopiadora o una app de escaneo del móvil funcionan de otra manera. Hacen una foto del papel y meten esa foto en un PDF. Para ti la página parece texto, pero para el ordenador es una cuadrícula de puntos de colores.
Por eso el buscador no encuentra nada, el cursor selecciona la página entera como una imagen y al pegar no obtienes nada útil. Los lectores de pantalla tampoco pueden leerla en voz alta, y la búsqueda de archivos del ordenador o de un archivo documental no encuentra el documento por su contenido. Algunas apps de escaneo hacen OCR automáticamente, por eso unos escaneos son buscables y otros no.
Una prueba rápida: abre el PDF, pulsa Ctrl+F (Cmd+F en Mac) y busca una palabra que veas claramente en la página. Si no aparece nada, la página no tiene capa de texto y necesita OCR.
Cómo funciona la capa de texto invisible
El OCR localiza las líneas y las palabras en la imagen de la página y reconoce cada carácter. Después, la herramienta escribe cada palabra reconocida en el PDF justo en el lugar donde aparece en el escaneo, en un modo de texto invisible que conocen los lectores de PDF: el texto está ahí para buscar y seleccionar, pero no se dibuja, así que el escaneo de debajo se ve como antes.
Las páginas originales se copian tal cual. El escaneo no se vuelve a convertir, no se vuelve a comprimir y no pierde calidad, de modo que el resultado se ve idéntico a tu archivo. Cada página solo gana unos pocos kilobytes de texto. Al buscar, el lector resalta la palabra sobre el escaneo, y al seleccionar una línea y copiarla obtienes el texto reconocido.
Las opciones, una a una
- Idioma del texto: el idioma en que está escrito el documento. Es la opción más importante, porque le dice al OCR qué letras y palabras esperar. Solo se descargan una vez los datos de ese idioma.
- Segundo idioma: opcional. Úsalo para documentos mixtos. Los dos idiomas se reconocen juntos, algo más despacio que uno solo.
- Páginas: déjalo vacío para todas las páginas o escribe rangos como 1-3, 5 u 8- (de la página 8 al final). El PDF buscable sigue teniendo todas las páginas; solo las elegidas reciben capa de texto.
- Resultado: PDF buscable y texto (los dos, en un ZIP), solo PDF buscable o solo texto. Si lo cambias después, las páginas no se vuelven a leer, se reutiliza el texto reconocido.
- Detener: los documentos largos se pueden detener en cualquier momento con el botón junto al archivo. Las páginas ya leídas se guardan y la siguiente vez sigue donde se quedó.
Consejos para un texto preciso
- Escanea a 300 DPI si puedes. Las páginas se dibujan a unos 300 DPI antes de leerlas, pero un escaneo más nítido siempre da mejores letras.
- Mantén las páginas rectas y con luz uniforme. Una ligera inclinación no importa; las páginas muy giradas o curvadas, como la foto de un libro grueso, se leen peor.
- Elige el idioma exacto. Con inglés seleccionado, letras como ñ, ç o ß pueden salir como letras latinas parecidas.
- Revisa nombres, importes y fechas antes de fiarte de ellos. El OCR es muy bueno con texto impreso limpio, pero en copias malas un 1 puede convertirse en una l y un 0 en una O.
- La escritura a mano, los sellos y el texto sobre fotos o fondos cargados son difíciles para cualquier OCR y pueden omitirse o leerse mal.
Qué idiomas funcionan y cómo
El reconocimiento cubre 20 idiomas. El texto del archivo TXT siempre es Unicode plano, así que se conserva cualquier alfabeto. En el PDF buscable el texto invisible se guarda carácter por carácter, por lo que letras como ñ, á, ç, ğ, ş y ß se pueden buscar y se copian bien, algo que no ocurre con muchas herramientas PDF sencillas que solo admiten las letras occidentales básicas.
| Alfabeto | Buscar y copiar en el PDF | Notas |
|---|---|---|
| Latino (español, inglés, alemán, francés, turco...) | Sí | Acentos y letras especiales conservados |
| Cirílico y griego | Sí | Funciona en los lectores habituales |
| Chino y japonés | Sí, con límites | Al buscar, las palabras pueden aparecer separadas por espacios |
| Árabe, hindi, tailandés, coreano | Sí, con límites | Algunos lectores ordenan o dividen las palabras de otra forma |
Páginas que ya tienen texto y tu privacidad
Muchos PDF mezclan páginas escaneadas con páginas normales, por ejemplo una carta escrita en el ordenador seguida de recibos escaneados. Antes de leer una página, la herramienta comprueba si ya contiene texto real. Si lo tiene, la página se deja tal cual y su texto entra en el archivo TXT, así nunca se crea una segunda capa de texto duplicada. Un PDF que ya pasó por OCR se detecta de la misma forma.
Todo ocurre en tu dispositivo. El PDF se abre, se dibuja y se lee en tu navegador y no se sube nada, algo importante con contratos, informes médicos o extractos bancarios. Después del primer uso, los datos del idioma quedan en tu navegador, así que la herramienta también funciona sin conexión. Los PDF con contraseña no se pueden abrir; quita la contraseña antes.