Archivos PDF escaneados con OCR: cómo hacer que se puedan realizar búsquedas

Tiene una pila de contratos escaneados, un capítulo de un libro antiguo que fotografió o una carpeta con imágenes de recibos. Parecen archivos PDF, pero no puedes buscarlos, copiar texto de ellos ni pegar un nombre en un cuadro de búsqueda. Bienvenido al mundo de los "PDF de imágenes", y el OCR es su salida.

Qué hace realmente el OCR

OCR (reconocimiento óptico de caracteres) lee cada página como lo haría una persona: identifica las formas de las letras, las agrupa en palabras y escribe esas palabras como una capa de texto detrás de la imagen original. La página todavía parece idéntica, pero ahora también se puede realizar búsquedas, copiar y editar.

Expectativas de precisión

Texto impreso nítido: precisión del 95 % al 99 %
Periódicos/libros antiguos: 90-95 %
Escaneos telefónicos de documentos limpios: 88%–94%
Escritura a mano: 50-80 %, depende en gran medida del escritor
Fórmulas matemáticas/químicas: limitadas: las herramientas especializadas funcionan mejor

Idiomas que admitimos

Nuestro PDF OCR maneja más de 50 idiomas, incluidos inglés, turco, alemán, francés, español, italiano, portugués, ruso, chino, japonés, coreano, árabe e hindi. Puede elegir varios idiomas para documentos que combinen escrituras.

Consejos para obtener mejores resultados de OCR

Utilice el idioma correcto. Seleccionar "inglés" en un documento turco reduce la precisión al 60 %. Elija siempre el idioma que está escaneando.
Escaneos de mayor resolución = mejor OCR. 300 ppp es el punto ideal. Por debajo de 200 ppp, la precisión disminuye rápidamente.
Páginas rectas. Si el escaneo está girado o torcido, corríjalo con giro de PDF primero.
Originales limpios. Las manchas de café, los dedos en las esquinas y las sombras oscuras confunden el OCR. Recorta la página real si puedes.

Qué puedes hacer después del OCR

Una vez que un escaneo tiene una capa de texto:

Buscar dentro del PDF (Ctrl+F)
Copiar texto y pegarlo en Word, correo electrónico o notas
Convierta a Word con PDF a Word
Traducir el contenido del texto
Hacer que el documento sea accesible para lectores de pantalla

Privacidad

OCR se ejecuta en servidores europeos. Los documentos se cifran en tránsito y se eliminan después del procesamiento. No guardamos, compartimos ni analizamos sus escaneos.