GUÍAS PRÁCTICAS · PDF y documentos
Cómo extraer texto de un PDF escaneado
Un PDF puede mostrar palabras sin contener texto que puedas copiar. Aprende a reconocer un escaneo, obtener el texto y comprobar los errores antes de reutilizarlo.
Por Puffinmint · Actualizada el
1. Comprueba si ya contiene texto
Intenta seleccionar una frase y buscar una palabra en el lector PDF. Si se copia bien, utiliza directamente PDF a texto. Si la página solo contiene una imagen, puede ser necesario el reconocimiento OCR.
Un texto vacío o ilegible al copiar también puede deberse a restricciones o a la codificación. Comprueba una página sencilla y compárala con el original antes de elegir el procedimiento.
2. Prepara el documento y elige su idioma
Conserva el original y revisa orientación, contraste y bordes. Una línea cortada no se recupera con certeza. Si puedes repetir el escaneo, evita sombras y desenfoque. Empieza con una o dos páginas representativas.
En OCR PDF elige el idioma del documento y el intervalo de páginas. Actualmente están disponibles italiano, inglés, español, francés, alemán, japonés, coreano, polaco y turco. El portugués no está disponible; cambiar el idioma de la interfaz no lo añade.
3. Pasa del PDF reconocido al texto
Ejecuta OCR PDF y descarga el PDF resultante, que incorpora una capa de texto reconocido. Ábrelo y prueba la búsqueda y la selección. Después selecciona ese nuevo archivo en PDF a texto y copia el resultado o descarga el TXT.
El OCR envía el documento al servidor al iniciar el procesamiento; PDF a texto extrae el contenido en el navegador. Consulta los límites y el tratamiento de archivos de cada herramienta. El TXT no conserva la maquetación.
4. Revisa el resultado con el original
Compara línea por línea, especialmente nombres, fechas, cantidades y caracteres parecidos como O/0 e I/1. En tablas y columnas comprueba el orden de lectura, no solo las palabras.
El ejemplo ficticio contiene tres confusiones entre letras y números. Corrígelas mirando el original y vuelve a leer el conjunto. Comparar textos señala cambios entre versiones, pero no verifica por sí solo la transcripción.
- Están todas las páginas necesarias en el orden correcto.
- Nombres, cifras, símbolos y separadores coinciden con el original.
- El texto mantiene un orden comprensible al pegarlo en su destino.
Revisión de una línea
- Datos iniciales
- OCR sin revisar: B-I02 · 2026-11-O2 · 1 25O
- Resultado
- Original comprobado: B-102 · 2026-11-02 · 1 250
Conserva ambas copias. Las correcciones proceden del original, no de adivinar automáticamente los caracteres.
Fuentes y método
Preguntas frecuentes
¿El OCR hace que el PDF sea accesible?
No automáticamente. Puede haber errores y un orden de lectura incorrecto. Reconocimiento, etiquetas, estructura y revisión de accesibilidad son tareas distintas.
¿Puedo recuperar una palabra ilegible?
No de forma fiable sin una referencia mejor. Busca un escaneo más claro o consulta el documento original; no inventes cifras ni palabras.