mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-05 20:02:47 +01:00
55 lines
4.0 KiB
Markdown
55 lines
4.0 KiB
Markdown
---
|
|
title: OCR PDF
|
|
description: Haz que los PDF escaneados se puedan buscar y copiar con Tesseract OCR, con compatibilidad con varios idiomas y filtrado de caracteres.
|
|
---
|
|
|
|
# OCR PDF
|
|
|
|
Convierte documentos escaneados en PDF en los que se puede buscar y copiar. La herramienta usa Tesseract OCR para reconocer el texto de las imágenes y superpone una capa de texto invisible sobre las páginas originales, conservando su apariencia visual y haciendo que el contenido sea totalmente buscable.
|
|
|
|
## Cómo funciona
|
|
|
|
1. Sube un PDF escaneado o basado en imágenes.
|
|
2. Selecciona uno o más idiomas presentes en el documento en la lista de idiomas con búsqueda.
|
|
3. Opcionalmente, ajusta la configuración avanzada (resolución, binarización, lista blanca).
|
|
4. Haz clic en **Iniciar OCR** y sigue el progreso en la barra de progreso en tiempo real.
|
|
5. Al terminar, revisa el texto extraído y descarga el PDF con búsqueda o un archivo `.txt` de texto plano.
|
|
|
|
## Características
|
|
|
|
- OCR en varios idiomas con un selector de idiomas con búsqueda
|
|
- La capa de texto invisible conserva la apariencia original del documento
|
|
- Barra de progreso y registro en tiempo real durante el procesamiento
|
|
- Descarga los resultados como PDF con búsqueda o como archivo de texto plano
|
|
- Copia el texto extraído directamente al portapapeles
|
|
- Tres niveles de resolución para equilibrar velocidad y precisión
|
|
|
|
## Opciones
|
|
|
|
| Ajuste | Valores | Predeterminado | Finalidad |
|
|
| ------------------------------------------- | ------------------------------------------------------------------------------------------------------- | -------------- | ---------------------------------------------------------------------------------------------- |
|
|
| **Resolución** | Estándar (192 DPI), Alta (288 DPI), Ultra (384 DPI) | Alta | Una mayor resolución mejora la precisión con texto pequeño, pero tarda más |
|
|
| **Binarizar imagen** | Activado / Desactivado | Desactivado | Mejora el contraste de escaneos limpios al convertirlos a blanco y negro |
|
|
| **Preajuste de lista blanca de caracteres** | Ninguno, Alfanumérico, Números + Moneda, Solo letras, Solo números, Factura, Formularios, Personalizado | Ninguno | Restringe los caracteres reconocidos para mejorar la precisión en tipos de documento concretos |
|
|
| **Lista blanca de caracteres** | Texto libre | Vacío | Conjunto de caracteres manual cuando el preajuste es Personalizado |
|
|
|
|
## Casos de uso
|
|
|
|
- Hacer que los contratos y facturas escaneados sean buscables para poder usar Ctrl+F en ellos
|
|
- Extraer texto de documentos fotografiados o de registros en papel antiguos
|
|
- Procesar recibos con el preajuste Invoice para capturar con precisión importes y fechas
|
|
- Crear PDF accesibles a partir de escaneos que solo contienen imágenes, para cumplir requisitos normativos
|
|
- Extraer por lotes el contenido de texto de libros o manuales escaneados
|
|
|
|
## Consejos
|
|
|
|
- Selecciona varios idiomas si tu documento tiene contenido en idiomas mezclados (por ejemplo, encabezados en inglés con texto principal en japonés).
|
|
- Usa la opción de binarizar en documentos con texto desvaído o de bajo contraste: puede mejorar mucho la precisión del reconocimiento.
|
|
- Los preajustes de lista blanca Invoice y Forms reducen drásticamente los falsos positivos en documentos estructurados al ignorar formas de caracteres irrelevantes.
|
|
|
|
## Herramientas relacionadas
|
|
|
|
- [Extraer tablas](./extract-tables)
|
|
- [Combinar PDF](./merge-pdf)
|
|
- [Comprimir PDF](./compress-pdf)
|