Extraer el texto de un PDF escaneado
Los escaneos se convierten en texto que puedes copiar y buscar, sin que el documento salga de tu dispositivo.
Arrastra tus archivos aquí
o haz clic para elegirlos desde tu dispositivoFormatos admitidos: PDF
Un archivo por operaciónHasta 20 MB por archivo5 operaciones al díaQuita los límites con Pro✓ Funciona sin conexión
Tus archivos se quedan en tu dispositivo
Esta herramienta se ejecuta por completo en tu navegador. No se sube nada, no se guarda nada, e incluso puedes desconectarte de internet antes de empezar.
Ejemplo
Ejemplo: un tema de oposiciones escaneado de 46 páginas, a texto en tandas de 20
tema-07.pdf son los apuntes fotocopiados de un tema de oposiciones, escaneados en la copistería: 46 páginas, 14 MB, ninguna con texto seleccionable. Se quiere el texto para buscar artículos y hacer esquemas. Idioma de las páginas: «Español, inglés y otras lenguas europeas, japonés, chino».
- Con «Páginas» vacío no se lee nada: el aviso dice que tema-07.pdf tiene 46 páginas escaneadas, que cada pasada lee como máximo 20, y propone 1-20.
- Primera pasada: 1-20. La primera vez se descargan los modelos de reconocimiento (unos 11 MB); después, cada página tarda unos segundos.
- Segunda pasada: 21-40. Tercera: 41- (un guion sin número final llega hasta la última página).
- Cada pasada da su .txt con las páginas en el nombre (tema-07-p21-40.txt) y marcadas dentro, --- 21 ---, --- 22 ---…: es el número de página del PDF y la cita se encuentra enseguida.
| «Páginas» | Páginas leídas | En el .txt |
|---|---|---|
| vacío | ninguna: aviso de 46 páginas escaneadas, máximo 20 | — |
| 1-20 | de la 1 a la 20 | --- 1 --- a --- 20 --- |
| 21-40 | de la 21 a la 40 | --- 21 --- a --- 40 --- |
| 41- | de la 41 a la 46 | --- 41 --- a --- 46 --- |
| 12 | solo la 12 | su texto, sin marca de página |
Tres archivos de texto que se pegan uno tras otro en un documento; las tres pasadas son 3 de las 5 operaciones diarias del plan gratuito. Revisa cifras y fechas contra el escaneo antes de estudiar con ellos. El PDF no cambia; si prefieres un PDF en el que buscar, usa «Hacer un PDF buscable».
Cómo funciona
- Arrastra un PDF al recuadro: un escaneo, fotos de un documento guardadas como PDF o cualquier PDF del que quieras el texto.
- Deja «Páginas» vacío para leer todo el archivo, o indica páginas como 1-3, 5. Se leen hasta 20 páginas escaneadas por operación.
- Pulsa «Extraer texto». La primera vez se descargan los modelos de reconocimiento de texto y su entorno de ejecución (unos 11 MB).
- Copia el texto del cuadro o descárgalo como archivo .txt. Cada página va marcada con --- 1 ---, --- 2 ---, y así sucesivamente.
Preguntas frecuentes
- ¿Convierte el PDF en un PDF buscable?
- Esta página te da el texto. Si quieres conservar el PDF y poder buscar en él, usa «Hacer un PDF buscable», que añade el mismo texto reconocido como una capa invisible sobre cada página escaneada.
- ¿Qué pasa con las páginas que ya tienen texto?
- Su texto se toma directamente del PDF, lo que es instantáneo y exacto. Solo pasan por el reconocimiento de texto las páginas sin texto aprovechable, como los escaneos.
- ¿Por qué solo 20 páginas escaneadas cada vez?
- Leer una página lleva varios segundos y mucha memoria del navegador. Para un escaneo más largo, indica las páginas por tandas, por ejemplo 1-20 y después 21-40.
- ¿Y si solo necesito una página?
- Escribe su número en «Páginas», por ejemplo 12: se lee solo esa y el texto sale sin la marca --- 12 ---. Las páginas que ya tienen texto no cuentan para el máximo de 20 páginas escaneadas por pasada.
- ¿El texto conserva el formato, las tablas o las negritas?
- No: sale texto plano, línea a línea, en un .txt. Las negritas y las imágenes se pierden, una tabla sale como líneas de texto y las columnas pueden mezclarse. Si necesitas conservar el aspecto del documento, «Hacer un PDF buscable» deja cada página como estaba y añade el texto encima, invisible.
- ¿Con qué documentos funciona y qué precisión tiene?
- Con texto impreso en español e inglés, y también en alemán, francés, italiano, portugués, turco y japonés. En nuestras páginas de prueba en español, escaneadas y fotografiadas, se equivocó en menos de 1 carácter de cada 100, leyó bien la ñ, las tildes y el ¿, y acertó todos los importes y fechas; el ¡ de apertura no está entre sus caracteres y se omite. Esas páginas se generaron para la prueba, así que un escaneo pobre o un recibo descolorido saldrán peor. La letra manuscrita no se lee de forma fiable y las páginas en varias columnas pueden salir con las columnas mezcladas: revisa el resultado antes de usarlo.
- ¿Se sube mi PDF?
- No. Las páginas se renderizan y se leen en tu navegador. El plan gratuito permite 1 PDF por operación, de hasta 20 MB, y 5 operaciones al día.