Funciona en tu dispositivo · Tu archivo nunca sale de tu dispositivo.
Un PDF escaneado es un montón de imágenes – por eso seleccionar o buscar texto no hace nada, y por eso al pasarlo a Word sale vacío. Esta herramienta lee los caracteres de la imagen de cada página y te devuelve texto de verdad.
Cada página se dibuja primero a alta resolución y después se reconoce, con el progreso página a página. Los documentos largos llevan su tiempo: el reconocimiento trabaja de verdad en tu dispositivo, en lugar de esperar turno en un servidor.
Elige el idioma del documento: español con sus acentos, eñes y signos de apertura, inglés, árabe, árabe e inglés mezclados, y los demás idiomas de la lista. El árabe, el hebreo, el persa y el urdu conservan su dirección de derecha a izquierda en la vista previa y en el Word.
No sirve para: Letra manuscrita – el reconocimiento es fiable con texto impreso y mucho menos con notas escritas a mano.
Cada página se dibuja primero como imagen a 216 puntos por pulgada, tal como la muestra un lector de PDF, así que una página que lleva un ajuste de rotación se lee derecha. Una página cuyo escaneo está de lado se lee tal cual y sale como un galimatías; gira antes esas páginas con /rotate-pdf. Las páginas muy grandes, más o menos de A2 en adelante, se dibujan a menor resolución para no superar lo que un navegador puede manejar como una sola imagen.
Todas las páginas se leen a partir de su imagen, incluso las que ya contienen texto real. En un documento que es en parte texto digital y en parte escaneo, las páginas digitales salen exactas con /pdf-to-text, mientras que el reconocimiento puede confundir algún carácter.
Cada página se dibuja, se lee y se libera antes de dibujar la siguiente, así que un escaneo largo necesita más o menos la memoria de una sola página. La barra avanza un poco mientras se carga el motor de reconocimiento, y después página a página, con el nombre de la página que se está leyendo debajo.
«Cancelar» se detiene en la página que se está leyendo y conserva el texto de las páginas ya terminadas: una línea indica cuántas de cuántas se completaron, y la copia y las descargas en TXT y Word contienen esas páginas. Se pueden añadir varios PDF, y también fotos de páginas, que se leen uno tras otro en un solo trabajo.
El resultado es texto, no un PDF nuevo: el archivo escaneado sigue siendo un conjunto de imágenes. Cuando se lee más de una página, el texto de cada una empieza con una línea como --- escaneo.pdf — página 3 ---, escrita en el idioma de la página que estás usando, para que sepas de dónde viene cada pasaje. El archivo Word lleva como título el nombre del PDF, y cada página va bajo su propio encabezado, una detrás de otra y no en páginas separadas.
Antes de pulsar «Extraer texto», comprueba en «Idioma del texto» que está elegido el idioma en que está escrito el documento: un texto leído con el idioma equivocado sale como un galimatías.
Esta página en otros idiomas: English · العربية · Deutsch · Français · Русский · Português · 中文 · हिन्दी · Türkçe · עברית · فارسی · اردو · Bahasa Indonesia · বাংলা