Ir al contenido principal
Bethemesh
PDF y documentos

OCR PDF

Renderiza las páginas escaneadas como imágenes, aplica OCR y recupera un PDF buscable junto con el texto detectado.

  • Exportar
Automatizar

Integrar este widget

Personaliza el aspecto, comprueba la vista previa y copia el código.

Vista previa

Tipo de código de integración

Código para copiar

Se adapta a tu página y Bethemesh ajusta su tamaño automáticamente.

Tus archivos se procesan localmente en el navegador y nunca se envían a nuestros servidores.

Suelta tu archivo aquí

Tamaño recomendado: hasta 100 MB

El documento permanece en tu navegador. El motor OCR y los datos lingüísticos se cargan bajo demanda.

¿Te ha resultado útil esta herramienta?

¿Cómo funciona esta herramienta?

El OCR (reconocimiento óptico de caracteres) lee el texto que aparece en las imágenes de un PDF escaneado o fotografiado. La herramienta produce dos resultados: un PDF buscable, en el que puedes seleccionar, copiar y buscar palabras, y un archivo de texto plano. Las páginas se analizan en tu navegador con el motor de código abierto Tesseract; el documento en sí no se envía a ningún sitio.

Cada página se dibuja primero como imagen con la calidad elegida: Rápida (escala 1,4, unos 100 ppp), Equilibrada (1,8, unos 130 ppp) o Alta (2,2, unos 158 ppp). Tesseract localiza las palabras, su posición y su orientación con el idioma indicado: francés, inglés, español, alemán, italiano, portugués o francés e inglés combinados.

El PDF buscable conserva cada página como imagen y coloca las palabras reconocidas en una capa de texto invisible justo encima. En pantalla, el documento se ve como el escaneo original; en el lector, la búsqueda y la selección funcionan. El archivo de texto reúne el texto reconocido página a página, precedido de marcas --- Page n ---.

La primera vez, el motor Tesseract y los datos del idioma elegido se descargan desde una red de distribución (jsDelivr), así que hace falta conexión a internet. Tus páginas se quedan en el dispositivo. El progreso se muestra en porcentaje durante el reconocimiento.

Cómo utilizar esta herramienta

  1. Importa el PDF escaneado

    Elige el documento cuyo texto no se puede seleccionar.

  2. Ajusta idioma y calidad

    Indica el idioma del documento y elige Equilibrada, o Alta para letra pequeña.

  3. Ejecuta el OCR y descarga

    Al terminar, descarga el PDF buscable, el texto plano o ambos con los botones disponibles.

Casos de uso

Hacer buscable un escaneo

Encuentra un nombre o un importe en un contrato o una factura escaneados con Ctrl+F.

Obtener el texto de la foto de un documento

Copia el contenido de una carta fotografiada para citarlo o retocarlo.

Preparar una conversión

Añade una capa de texto antes de convertir el PDF a Markdown, HTML o CSV.

Ejemplos

Una página A4 en calidad Equilibrada

La página se analiza como imagen de 1072 × 1515 píxeles (escala 1,8). En el PDF obtenido, buscar el número de factura resalta el lugar correcto de la imagen, porque cada palabra reconocida se coloca en su posición original.

Entrada

Factura escaneada de una página A4, idioma Español, calidad Equilibrada

Resultado

factura-ocr.pdf buscable y factura-ocr.txt que empieza por «--- Page 1 ---»

Consejos y buenas prácticas

  • Un escaneo nítido, recto y bien contrastado da resultados mucho mejores; ajusta antes el contraste si la página es pálida.
  • Elige el idioma real del documento: los acentos y las palabras frecuentes se reconocen mejor.
  • Revisa las cifras importantes (importes, IBAN, fechas): el OCR puede confundir 0 y O, 1 y l.
  • Elimina antes las páginas en blanco de un escaneo largo para ganar tiempo.

Preguntas frecuentes

¿Se envía mi PDF a un servidor?

No. Las páginas se representan y se reconocen en tu navegador. Solo el motor Tesseract y el archivo de idioma se descargan desde jsDelivr la primera vez.

¿El PDF buscable conserva el texto original si mi documento ya lo tenía?

No. Cada página se sustituye por su imagen y la nueva capa de texto procede del OCR. No uses la herramienta con un PDF cuyo texto ya es seleccionable.

¿Por qué el archivo obtenido pesa más?

Porque cada página se convierte en una imagen PNG con la resolución elegida. La calidad Rápida da un archivo más ligero, a cambio de un reconocimiento menos fiable con letra pequeña.

¿Qué idiomas se reconocen?

Francés, inglés, español, alemán, italiano y portugués, además de una combinación francés + inglés para documentos mixtos.

¿El reconocimiento es exacto al 100 %?

No. Depende de la nitidez, la fuente y la maquetación; las tablas, la escritura a mano y los escaneos borrosos producen más errores.

¿Cuánto tarda?

Unos segundos por página en un ordenador reciente, más en calidad Alta o en el móvil. El progreso se indica en porcentaje.

Herramientas relacionadas

Continúa con estas herramientas

Herramientas similares o complementarias a esta.

Funciona bien con

PDF a Markdown

Extrae el texto seleccionable de un PDF y conviértelo a Markdown localmente, sin OCR ni subir el documento.

PDF y documentosUsar esta herramienta

También te puede interesar

GuíaBuenas prácticasPrincipiante

PDF: entender el formato y gestionar bien los documentos

Comprende cómo se estructura un PDF, la diferencia entre un PDF nativo y uno escaneado y qué operaciones conviene usar para unir, reorganizar, convertir o completar documentos.

29 de agosto de 20263 min