Cómo aplicar OCR a un PDF escaneado para buscar y copiar su texto

Un PDF escaneado es una pila de fotos. Sin OCR (reconocimiento óptico de caracteres) no puedes buscarlo, copiarlo ni citarlo. El OCR lee las formas de las letras de las imágenes y añade encima una capa de texto real e invisible.

Paso 1: comprueba qué tienes en realidad

Abre el archivo e intenta seleccionar una palabra. Si el cursor agarra texto, tu PDF ya tiene capa de texto y no necesitas OCR. Si dibuja un recuadro sobre una foto, es un escaneo y el OCR es el camino.

Paso 2: ejecuta la herramienta y elige el idioma

Abre la herramienta de OCR, suelta el escaneo y elige el idioma del documento. Los datos de idioma importan: pasar modelos ingleses sobre un escaneo japonés produce disparate con seguridad. El reconocimiento corre en tu dispositivo; un contrato escaneado no necesita subirse a ninguna parte.

Paso 3: verifica contra el original

El OCR es un motor de probabilidades, no un mecanógrafo. Revisa nombres, números e importes contra la imagen de la página, sobre todo en documentos importantes. Los escaneos limpios de texto impreso suelen quedar casi perfectos; los recibos de poco contraste y las notas manuscritas, no.

Lo que mejora la precisión

• Más resolución de escaneo: 300 DPI es el punto óptimo; por debajo de 150 DPI la precisión cae rápido.
• Páginas rectas: endereza los escaneos torcidos antes del OCR.
• Un idioma por pasada: los documentos bilingües van mejor con dos pasadas que con un modelo mixto.

Tras el OCR: lo que obtienes

El resultado es un PDF buscable en cualquier lector, o texto plano para pegar donde quieras. Buscar 'factura 1042' en cientos de páginas solo funciona si existe la capa de texto: ese es todo el punto.