Archivos · Herramienta

OCR y extracción de texto de PDF

Extrae texto seleccionable de un PDF o reconoce texto en páginas escaneadas. Elige un archivo, procésalo localmente y descarga una copia nueva.

Funciona en tu navegador. No se suben datos.

Los PDF con texto no necesitan OCR.

Acerca de esta herramienta

OCR y extracción de texto de PDF sin complicaciones.

Extrae texto seleccionable de un PDF o reconoce texto en páginas escaneadas. El archivo permanece en tu dispositivo; el navegador y el equipo tienen límites.

Guía

Usar OCR y extracción de texto de PDF

Esta página extrae el texto de un PDF. Si una página ya contiene texto seleccionable, la página lo copia directamente. Si una página es solo una imagen, como en un escaneo, la página ejecuta el reconocimiento óptico de caracteres, u OCR, para leer las letras de la imagen. Eliges el idioma del texto impreso y las páginas que se van a leer, pulsas un botón y luego copias el texto. El PDF se abre y se lee en tu propio dispositivo. El resultado es solo texto sin formato. La página no crea un PDF nuevo con texto buscable, no conserva el diseño ni lee bien la escritura a mano.

Cómo se usa

  1. Pulsa la casilla de archivo bajo Elige un PDF escaneado y escoge un PDF de tu dispositivo.
  2. Abre Idioma del texto y elige el idioma impreso en las páginas. Solo se puede usar un idioma en cada ejecución, y solo importa para las páginas que son imágenes.
  3. En Páginas que escanear, deja la palabra all o escribe páginas como 1-3,5. Los números deben estar entre 1 y la última página del archivo.
  4. Pulsa Extraer texto / OCR. Aparece una barra de progreso y la línea de estado cuenta las páginas, por ejemplo Leyendo página 1 de 3. Una página escaneada necesita descargar antes un archivo de idioma, así que la primera ejecución puede tardar más.
  5. Lee la casilla Texto extraído. Cada página empieza con una línea como --- Página 1 ---, y las páginas se separan con una línea en blanco.
  6. Pulsa Copiar texto para pegarlo en tu propio editor, o pulsa Descargar TXT para guardar el texto como un archivo simple. Pulsa Borrar para empezar de nuevo.

Ejemplos resueltos

Un PDF que ya tiene texto seleccionable

Introduces
Pdf
1 página con líneas de texto: Notas de la reunión del club de jardinería / La próxima reunión es el martes por la tarde
Idioma
Inglés
Páginas
todos
Obtienes
Texto
--- Página 1 --- Notas de la reunión del club de jardinería La próxima reunión es el martes por la tarde

El texto se tomó directamente del archivo, sin OCR. Las dos líneas se unieron con un espacio, así que se pierden los saltos de línea en las páginas que usan su propio texto.

No calculado con la herramienta. Tómalo como una ilustración.

Una página escaneada leída con OCR

Introduces
Pdf
1 página que es solo una imagen de las palabras Factura 2026 / Total a pagar 45 euros
Idioma
Inglés
Páginas
todos
Obtienes
Texto
--- Página 1 --- Factura 2026 Total a pagar 45 euros

No se pudo seleccionar texto, así que la página se dibujó como imagen y se leyó con OCR. Esta imagen de prueba tenía letra limpia y grande. Los escaneos reales son más desordenados, así que comprueba siempre el resultado.

No calculado con la herramienta. Tómalo como una ilustración.

Un archivo que mezcla escaneos y texto real

Introduces
Pdf
3 páginas: una imagen de texto, una página con texto real, una imagen de texto
Idioma
Inglés
Páginas
todos
Obtienes
Texto
--- Página 1 --- Factura 2026 Total a pagar 45 euros --- Página 2 --- Esta página tiene texto real seleccionable --- Página 3 --- Hola mundo escaneado Segunda línea aquí

La página 2 tenía su propio texto, así que se copió directamente. Las páginas 1 y 3 se leyeron con OCR. El resultado conserva el orden original de las páginas.

No calculado con la herramienta. Tómalo como una ilustración.

El idioma equivocado pierde los acentos

Introduces
Pdf
1 página escaneada que muestra Camión rápido / El niño está aquí
Idioma a
Inglés
Idioma b
Español
Obtienes
Inglés
Camion rapido El nino esta aqui
Español
Camión rápido El niño está aquí

Con el modelo en inglés se perdieron los acentos. Las letras equivocadas exactas pueden cambiar con la imagen y la fuente. Con el modelo en español el texto salió bien. Elige el idioma que coincida con la página impresa.

No calculado con la herramienta. Tómalo como una ilustración.

Elegir páginas con un rango

Introduces
Pdf
4 páginas
Páginas
3, 1-2
Obtienes
Páginas leídas
1, 2, 3
Página omitida
4

Los números se ordenan y los repetidos se fusionan. La página 4 no se lee. Un número fuera del archivo, como 0-2 o 2-9 en un archivo de 4 páginas, da el mensaje Elige números de página del 1 al 4.

Calculado con el propio código de la herramienta.

Un archivo con más de 120 páginas

Introduces
Pdf
121 páginas
Páginas
1-3
Obtienes
Estado
Por seguridad, esta herramienta admite hasta 120 páginas a la vez. Usa el rango de páginas para procesar una sección más pequeña.

El número de páginas de todo el archivo se comprueba antes de usar el intervalo. Por eso se rechaza un archivo de 121 páginas aunque pidas tres. Un archivo de 120 páginas con el intervalo 119-120 funcionó.

Calculado con el propio código de la herramienta.

Cuándo es útil

  • Copia las palabras de una carta, un formulario o una página impresa escaneados a un correo o a un documento.
  • Obtén el texto de un artículo o un capítulo de libro escaneado para poder buscar en él o citarlo.
  • Extrae el texto de un PDF que no te deja seleccionar palabras con el ratón.
  • Convierte unas cuantas páginas de un contrato o informe escaneado en texto que puedas leer en una pantalla pequeña.
  • Lee un documento escaneado en uno de los 16 idiomas que ofrece la página.
  • Lee solo un capítulo de un libro escaneado largo escribiendo su rango de páginas.

Límites que conviene tener en cuenta

  • Los idiomas de OCR son inglés, español, francés, alemán, portugués, árabe, chino simplificado, japonés, coreano, hindi, bengalí, ruso, urdu, turco, vietnamita e indonesio. Solo se puede elegir uno por ejecución, y la página no puede detectar el idioma por sí misma.
  • Todo el archivo puede tener como máximo 120 páginas, aunque pidas menos con un intervalo de páginas. Para un archivo más largo, divídelo primero con una herramienta de PDF.
  • Una página se trata como texto real solo si tiene más de 20 caracteres seleccionables. Cualquier otra página se dibuja como imagen y se lee con OCR, aunque tenga unos pocos caracteres sueltos.
  • Las páginas se dibujan a un tamaño de hasta 1.7 veces el suyo y con no más de unos 1,800 píxeles de ancho antes de leerlas, así que la letra muy pequeña, la tinta tenue, las columnas, las tablas y la escritura a mano a menudo se leen mal.
  • El resultado es solo texto sin formato. No se conservan el diseño, las imágenes, las tablas ni las fuentes, las páginas basadas en texto salen sin saltos de línea y no se crea ningún PDF con texto buscable.
  • Al pulsar Cancelar se detiene la lectura después de la página en curso. Se conserva el texto de las páginas ya leídas, y puedes volver a pulsar Extraer.

Consejos

  • Prueba primero una o dos páginas escribiendo un intervalo como 1-2. Revisa el idioma y la calidad, y luego procesa el archivo entero.
  • Elige el idioma del texto impreso, no el idioma de tu pantalla. Una elección equivocada pierde los acentos y lee mal las letras.
  • Usa un escaneo recto, nítido y bien iluminado. Las páginas torcidas, borrosas o con sombras dan peor texto.
  • Contrasta el resultado con la página, sobre todo en números, fechas, nombres e importes, donde un solo dígito equivocado importa.
  • Divide un archivo largo en partes de menos de 120 páginas y procesa las partes una tras otra.
  • Mantén esta pestaña abierta hasta que termine el escaneo, porque los archivos largos pueden tardar un rato en un dispositivo lento.

Fuentes

Preguntas frecuentes

Acerca de OCR y extracción de texto de PDF.

¿Puedo copiar texto de un PDF escaneado?

Sí. Elige el archivo y el idioma, y pulsa Extraer texto / OCR. Las páginas que son solo imágenes se leen con OCR, y el texto aparece en el cuadro para copiarlo. El reconocimiento puede cometer errores, así que comprueba el resultado con la página.

¿Se sube mi PDF a un servidor?

No. El PDF se abre y se lee en tu navegador. El motor de OCR y el archivo de idioma se cargan desde los propios archivos de este mismo sitio la primera vez que hacen falta. El contenido de tu PDF no se envía a ningún sitio.

¿Qué idiomas puede leer?

Ofrece 16: inglés, español, francés, alemán, portugués, árabe, chino simplificado, japonés, coreano, hindi, bengalí, ruso, urdu, turco, vietnamita e indonesio. Eliges uno en cada ejecución, así que una página con dos idiomas se procesa mejor en ejecuciones separadas.

¿Por qué tengo que elegir un idioma?

El motor de lectura usa un archivo de idioma para saber qué letras y palabras esperar. Una elección equivocada da resultados erróneos, como acentos perdidos. El idioma solo importa para las páginas escaneadas, porque el texto real se copia tal cual.

¿Por qué fue lenta la primera ejecución?

En la primera página escaneada el navegador debe descargar el motor de OCR, unos pocos megabytes, y el archivo de idioma, que ronda entre 0.4 y 2 MB para los idiomas ofrecidos. La página indica que tu navegador conserva el archivo, así que las siguientes ejecuciones son más rápidas salvo que se borre la caché.

¿Cómo decide la herramienta que una página necesita OCR?

Primero intenta leer el texto almacenado en cada página. Si una página tiene más de 20 caracteres de texto seleccionable, se usa ese texto. Si no, la página se dibuja como imagen y se lee con OCR. Si todas las páginas tienen texto, no se ejecuta el OCR ni se carga ningún archivo de idioma.

¿Crea un PDF con texto buscable?

No. Te da texto simple para copiar, y tu PDF original no cambia. Si necesitas un PDF con una capa de texto oculta, necesitas otra herramienta.

¿Por qué algunas páginas salen en una sola línea larga?

Las páginas que ya tienen su propio texto se leen elemento por elemento y se unen con espacios, así que sus saltos de línea no se conservan. Las páginas leídas con OCR conservan los saltos de línea que el lector encontró en la imagen.

¿Qué precisión tiene el resultado?

Depende del escaneo. La impresión limpia, grande y recta en el idioma correcto se lee bien. La letra pequeña, la tinta tenue, la escritura a mano, las columnas y las tablas fallan más a menudo. Revisa siempre los nombres, las fechas y los números antes de usar el texto.

¿Hay un límite en el número de páginas o en el tamaño del archivo?

El archivo puede tener 120 páginas como máximo en total. El código de la página no fija ningún límite de tamaño en megabytes, pero los archivos grandes necesitan más memoria en tu dispositivo y tardan más, ya que las páginas se leen una tras otra.

¿Cómo guardo el texto en un archivo?

Pulsa Descargar TXT para guardar un archivo de texto simple, o pulsa Copiar texto y pégalo en un editor. La casilla Texto extraído es de solo lectura, así que no puedes editar dentro de ella. Cada página empieza con una línea como --- Página 1 ---, que puedes borrar en tu editor.

¿Puede leer escritura a mano o tablas?

No de forma fiable. El motor de lectura está pensado para texto impreso. La escritura a mano a menudo se lee mal, y las tablas salen como líneas de texto simple sin sus filas y columnas. Usa el resultado como un borrador que corriges a mano.

¿Cómo se usa «OCR y extracción de texto de PDF»?

Extrae texto seleccionable de un PDF o reconoce texto en páginas escaneadas. Elige un archivo, procésalo localmente y descarga una copia nueva.

¿Se envían mis datos a un servidor?

No. El procesamiento se realiza en tu navegador y tus datos no se suben.