Extraer texto de un PDF escaneado (OCR)
Reconoce el texto de un PDF escaneado (páginas que son imágenes, sin una capa de texto real) con OCR y lo convierte en texto que puedes copiar o descargar, directamente en tu navegador.
o haz clic para seleccionarlo
Renderiza cada página del PDF como una imagen y usa un motor OCR (Tesseract) que se ejecuta por completo en tu navegador para reconocer su texto, página a página. Funciona mejor con páginas nítidas y buen contraste; no reconoce texto manuscrito ni tablas, y el reconocimiento puede tardar varios segundos por página. Si el PDF ya tiene una capa de texto digital, la herramienta PDF a Texto es más rápida y precisa para ese documento.
Casos de uso
- Recuperar el texto de un documento escaneado con un escáner o el móvil.
- Convertir un contrato o informe escaneado en texto que se puede copiar.
- Extraer el contenido de un PDF antiguo sin capa de texto real.
Cómo funciona
- 1
Sube tu PDF escaneado
Arrastra el archivo o elígelo desde tu dispositivo.
- 2
Elige el idioma del texto
Selecciona español o inglés según el idioma del documento.
- 3
Extrae el texto
Pulsa el botón y espera a que el OCR reconozca cada página.
Detalles técnicos
- Dibuja cada página como imagen con pdf.js y la pasa por Tesseract (motor de redes LSTM en WebAssembly) con el idioma que elijas, español o inglés; las páginas se procesan una tras otra.
- Admite hasta 15 páginas por documento, porque cada una puede tardar varios segundos y el reconocimiento consume mucha memoria en móviles. El resultado se separa por página.
- Reconoce texto impreso en líneas horizontales. La escritura a mano, las tablas complejas y las páginas torcidas o con poco contraste dan errores: revisa nombres, cifras y fechas.
- La primera vez descarga el motor OCR (unos 4 MB) y el idioma (2,1 MB el español, 3 MB el inglés). Límite: 50 MB.
Preguntas frecuentes
¿Funciona con cualquier PDF?
Está pensado para PDF escaneados (páginas que son imágenes). Si el PDF ya tiene texto digital, la herramienta PDF a Texto (sin OCR) es más rápida y precisa.
¿Reconoce texto manuscrito o tablas?
No, el OCR está pensado para texto impreso en línea recta. El texto manuscrito y las tablas complejas pueden reconocerse de forma imprecisa o no reconocerse.
¿Cuántas páginas admite?
El OCR es un proceso costoso que se ejecuta en tu navegador; por eso hay un límite de páginas por documento, pensado especialmente para proteger dispositivos móviles.
¿Se sube mi PDF a algún servidor?
No, todo el procesamiento OCR ocurre en tu propio navegador.
Guía relacionada: Cómo reducir el tamaño de un PDF y qué cambia al editarlo