Cómo pasar documentos escaneados y PDF a texto editable
Saca el texto de tus escaneos: los ajustes que importan, consejos para varias páginas, cómo reconocer un PDF que solo tiene imágenes y cómo crear un archivo buscable de tus documentos en papel.
Actualizado
Un escáner hace una foto de la página. Aunque la guarde como PDF, la página sigue siendo una imagen (lo que a menudo se llama un PDF de imagen), y no puedes seleccionar, buscar ni copiar su texto hasta que el OCR lo haya leído. Conseguir un buen texto a partir de un escaneo empieza en el escáner, y las decisiones que tomas ahí son difíciles de deshacer después.
Esta guía repasa los ajustes del escáner, los documentos de varias páginas, cómo saber qué tipo de PDF tienes y cómo mantener un archivo de documentos en el que se pueda buscar.
¿PDF escaneado o PDF digital?
No todos los PDF necesitan OCR. Un PDF exportado desde Word o desde una página web contiene texto real, y al copiarlo sale exacto. Unas comprobaciones rápidas te dicen cuál tienes:
- Intenta seleccionar una palabra. Si puedes resaltar palabras sueltas, la página tiene una capa de texto. Si se resalta toda la página como un solo bloque, o no pasa nada, es una imagen.
- Busca una palabra que veas. Si Ctrl+F (⌘F en Mac) no encuentra nada, no hay texto utilizable.
- Amplía al máximo. El texto digital se mantiene nítido con cualquier zoom. El texto escaneado se vuelve borroso o pixelado.
Ten en cuenta también los PDF mixtos. Un contrato puede tener páginas con texto digital seguidas de una página de firmas escaneada, o un informe puede llevar anexos escaneados.
Una capa de texto también puede estar mal. Algunos PDF pasaron por un OCR hace años y llevan una capa de texto invisible poco precisa, así que al copiar obtienes palabras sin sentido. Otros usan fuentes que, al copiarse, salen como caracteres ilegibles. En esos casos, trata la página como una imagen: expórtala como imagen desde tu visor de PDF y lee esa imagen.
Image to Text App lee todas las páginas de un PDF. Las páginas que ya tienen texto seleccionable se toman directamente, sin OCR, y solo se leen las páginas de imagen, así que un documento mixto sale con la mayor precisión posible. La página PDF a texto está pensada para esto.
Ajustes del escáner que ayudan al OCR
Resolución
300 ppp (puntos por pulgada, o dpi) es el estándar habitual para texto, y es el mínimo que recomienda la documentación de Tesseract. Para letra muy pequeña, como notas al pie, la letra pequeña de un contrato o los prospectos de medicamentos, escanea a entre 400 y 600 ppp. Subir más con texto de tamaño normal sobre todo hace los archivos más grandes, sin mejorar el resultado.
Modo de color
Elige escala de grises en lugar de blanco y negro. El modo blanco y negro del escáner aplica un único umbral fijo en el momento de escanear: las letras tenues se rompen, las negritas se rellenan y no hay manera de recuperar el detalle perdido. La escala de grises conserva esa información, así que el software de OCR puede decidir qué es tinta y qué es papel.
Usa color cuando el color tenga significado: pasajes resaltados, sellos de color, formularios con campos de color o páginas con fotos que quieras conservar. El resaltador, en particular, puede convertirse en bloques gris oscuro en un escaneo en blanco y negro y ocultar justo el texto que marcaba.
Formato de archivo
PDF y TIFF son buenas opciones para documentos de varias páginas, y PNG para páginas sueltas. Evita guardar en JPEG muy comprimido, que es lo que usan algunos escáneres en sus ajustes de «archivo pequeño». La compresión JPEG deja manchas alrededor de los bordes de las letras, y el texto pequeño es el que más sufre.
La parte física
Limpia el cristal del escáner, porque una sola mota se repite en todas las páginas. Con papel fino impreso por las dos caras, coloca una hoja de papel negro detrás de la página para que no se transparente el reverso.
Usar el teléfono como escáner
El teléfono funciona bien para escanear de vez en cuando. El iPhone tiene un escáner de documentos integrado en las apps Notas y Archivos, y muchos teléfonos Android ofrecen uno en la cámara o en una app de documentos. Estos modos encuentran los bordes de la página, corrigen la perspectiva y guardan un PDF, que suele ser mejor que una foto normal. Para la parte fotográfica, como la luz, el ángulo y el enfoque, consulta cómo obtener resultados de OCR precisos.
Escanear documentos de varias páginas
- Usa el alimentador de hojas para las páginas sueltas. Quita grapas y clips, airea el montón para que las hojas no se peguen y activa el escaneo a doble cara (dúplex) para los originales impresos por las dos caras.
- Cuenta las páginas. Los alimentadores a veces se saltan una hoja o arrastran dos a la vez. Compara el número de páginas del escaneo con el del original antes de guardar el papel.
- Escanea los libros sobre el cristal. Presiona el lomo para que las líneas cercanas a la encuadernación no se curven, y cuenta con una sombra en el margen interior. La corrección de la iluminación puede igualar esa sombra, pero no puede enderezar las líneas curvas.
- Pon nombres que se ordenen bien. Si escaneas las páginas como imágenes separadas, numéralas 001, 002, 003 en lugar de 1, 2, 3. Si no, la página 10 aparece antes que la 2.
En Image to Text App, cada página de un PDF o de un TIFF multipágina se convierte en una página del espacio de trabajo. Puedes arrastrar las páginas para ordenarlas, volver a leer cualquiera de ellas y usar la vista Documento completo para buscar en todas las páginas y exportar el resultado como un solo archivo.
Crear un PDF con texto buscable
Un PDF con texto buscable es el escaneo original con una capa de texto invisible colocada exactamente sobre las palabras. Se ve idéntico al escaneo, pero puedes buscar en él, seleccionar texto y copiarlo. La búsqueda de archivos de tu equipo y muchos servicios de almacenamiento en la nube también pueden encontrarlo por su contenido.
Suele ser el mejor formato para conservar un documento, porque mantiene todo lo que mostraba el papel, incluidas las firmas, los sellos y el diseño, y aun así te permite encontrarlo por una palabra que contiene. Si necesitas editar el texto, pasa el documento a Word con imagen a Word o expórtalo como texto sin formato. La herramienta imagen a PDF crea PDF con texto buscable a partir de imágenes.
Una advertencia: los errores de OCR de la capa oculta no se ven. Si un nombre se leyó mal, al buscarlo no encontrarás esa página. Para las búsquedas importantes, prueba con un término más corto, como las primeras letras de un apellido, que tiene más probabilidades de sobrevivir a un solo carácter mal leído.
Archivar documentos en papel
Unos pocos hábitos mantienen útil un archivo de escaneos durante años:
- Empieza el nombre del archivo con la fecha. Un nombre como
2026-03-14 Factura de electricidad marzo.pdfse ordena por fecha automáticamente en cualquier carpeta. - Mantén las carpetas poco anidadas. Unas cuantas carpetas generales, como Casa, Impuestos, Salud y Trabajo, son más fáciles de revisar que un árbol con muchos niveles.
- Considera PDF/A para guardar a largo plazo. PDF/A es una versión de PDF normalizada por ISO y pensada para archivar. Incluye todo lo necesario para mostrar el archivo, como las fuentes, así que el documento debería seguir abriéndose bien dentro de muchos años. Muchos programas de escaneo y herramientas de PDF pueden guardar en este formato.
- Haz copias de seguridad. Una regla habitual es tener tres copias, en dos tipos de almacenamiento distintos, con una guardada en otro lugar.
- Conserva el papel cuando el papel importa. Los testamentos, las escrituras, los documentos notariales y algunos documentos fiscales y legales pueden tener que conservarse en original. Las normas varían según el país y el documento, así que infórmate antes de destruir algo importante.
Los documentos escaneados también suelen ser los archivos más delicados que tiene una persona: documentos de identidad, extractos bancarios, informes médicos. Antes de pasarlos por cualquier herramienta online, lee ¿es privado el OCR online? para saber qué comprobar.