mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-05 20:02:47 +01:00
4.0 KiB
4.0 KiB
title, description
| title | description |
|---|---|
| OCR PDF | 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
- Sube un PDF escaneado o basado en imágenes.
- Selecciona uno o más idiomas presentes en el documento en la lista de idiomas con búsqueda.
- Opcionalmente, ajusta la configuración avanzada (resolución, binarización, lista blanca).
- Haz clic en Iniciar OCR y sigue el progreso en la barra de progreso en tiempo real.
- Al terminar, revisa el texto extraído y descarga el PDF con búsqueda o un archivo
.txtde 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.