Escaneas un documento, lo conviertes a Word y abres el resultado, solo para encontrarte con una página en blanco, una única imagen incrustada o caracteres ilegibles. Esta es una de las frustraciones más comunes con los PDF, y la causa es casi siempre la misma: el PDF contiene un escaneo, no texto real.
PDF nativo frente a PDF escaneado: la diferencia clave
Existen dos tipos fundamentalmente diferentes de archivos PDF:
- PDF nativos (digitales)son creados por software: Word, Google Docs, Acrobat o un controlador de impresión. El texto se almacena como datos de caracteres reales dentro del archivo. Al convertir este tipo de PDF a Word, el conversor lee los caracteres directamente. Los resultados suelen ser precisos y el formato se conserva en gran medida.
- PDF escaneadosson fotografías de una página. El escáner captura una imagen. El software de PDF envuelve esa imagen en un contenedor PDF. No hay datos de texto dentro, solo píxeles. Un conversor de PDF a Word que abre este archivo ve una imagen, no caracteres. No puede producir texto editable a partir de una imagen.
Cómo saber qué tipo de PDF tienes
Abra el PDF e intente seleccionar una palabra con el cursor. Si puede resaltar palabras individuales y copiarlas al portapapeles, es un PDF nativo. Si el cursor selecciona la página completa como un solo bloque, o no hace nada en absoluto, es un PDF escaneado.
Lo que necesita: OCR
Convertir un PDF escaneado en texto editable requiere el Reconocimiento Óptico de Caracteres (OCR), un software que analiza la imagen e identifica letras, palabras y la estructura de los párrafos. El OCR se ejecuta como un paso aparte antes o en lugar de la conversión a Word.
Herramientas que pueden aplicar OCR a un PDF escaneado:
- Google Docs- suba el PDF a Google Drive, haga clic derecho -> Abrir con Google Docs. Google ejecuta el OCR automáticamente. La calidad varía, pero es buena para documentos limpios y bien escaneados.
- Adobe Acrobat Pro- Herramientas -> Mejorar escaneos -> Reconocer texto. Resultados precisos, pero requiere una suscripción de pago.
- Microsoft OneNote- inserta el PDF como una imagen de impresión, haz clic derecho -> Copiar texto de la imagen. Funciona página por página; no conserva el formato.
Una vez que un documento ha sido procesado con OCR, se puede convertir a Word con resultados mucho mejores. UsaPDF a Word de Pagivodespués del paso de OCR cuando necesites un DOCX editable.
Cómo obtener los mejores resultados de OCR
La precisión del OCR depende en gran medida de la calidad del escaneo. Las tres razones más comunes por las que el OCR genera resultados ilegibles:
- Resolución demasiado baja.Cualquier cosa por debajo de 150 DPI hace que el reconocimiento de caracteres sea poco fiable. 300 DPI es el mínimo práctico para obtener resultados consistentemente buenos.
- Inclinación de la página.Incluso una inclinación de dos grados hace que la detección de los límites de los caracteres sea ambigua. La mayoría de los programas de escáner tienen una opción de enderezamiento automático: actívela si está disponible.
- Contenido manuscrito.El OCR está entrenado con texto impreso. El reconocimiento de escritura a mano es un problema aparte, significativamente más difícil. Las herramientas de OCR estándar producirán resultados deficientes en páginas escritas a mano.
Si solo necesita buscar, no editar
Si solo necesita encontrar texto dentro del documento en lugar de editarlo, no necesita convertirlo a Word en absoluto. El objetivo en ese caso es hacer que el PDF sea buscable, añadiendo una capa de texto oculta sobre las imágenes, en lugar de extraer el texto a un nuevo formato. Una vez que el PDF tiene una capa de texto, Ctrl+F funciona con normalidad en la mayoría de los visores de PDF. También puede usarPreguntar a PDFy pídele que cree un PDF con OCR buscable.
Por qué la calidad del escaneo original importa más que la herramienta
Ningún software de conversión puede recuperar detalles que no fueron capturados por el escáner. Un escaneo borroso o subexpuesto de una fotocopia descolorida producirá un resultado deficiente en Word independientemente de la herramienta que utilices. La mejora de mayor impacto que puedes hacer es siempre volver a escanear el documento a una resolución más alta y con mejor iluminación, si el original está disponible.