Cuándo vale la pena el OCR
Un contrato escaneado, una carta antigua o un recibo fotografiado con el teléfono es solo una imagen dentro de un PDF: no puedes buscar en él, copiar una frase ni dejar que un lector de pantalla lo lea en voz alta. Después del OCR, el archivo se comporta como un documento digital normal y sigue viéndose como el papel original.
Consejos para obtener el mejor resultado
- Escanea a 300 DPI si tu escáner te deja elegir; 200 DPI es el mínimo para la letra pequeña.
- Mantén las páginas rectas y bien iluminadas de forma uniforme; un escaneo torcido puede enderezarse antes con Enderezar PDF. Las sombras y los pliegues son la causa más común de palabras que no se reconocen.
- Elige el idioma del documento. Si se mezclan inglés y turco, "Inglés + turco" lee ambos.
Cuando el resultado no es correcto
- Faltan letras o aparecen cambiadas. Mira el escaneo a tamaño completo. Si a ti te cuesta leerlo, al OCR también le costará; vuelve a escanear con más luz y con la página bien plana.
- Las letras con tilde u otros signos salen sin ellos. Que "é" se convierta en "e", o la "ş" turca en "s", suele significar que se eligió el idioma equivocado. Vuelve a procesar el archivo con el idioma correcto.
- Se ignora la letra manuscrita. El OCR está hecho para texto impreso. Las letras de molde bien hechas a veces funcionan, pero las firmas, las notas al margen y la letra cursiva no se reconocen de forma fiable.
- Las tablas copiadas pierden sus columnas. Las palabras reconocidas están exactamente donde aparecen en la página, así que la búsqueda funciona. Pero al copiarlas, las columnas pueden mezclarse línea a línea; revisa las tablas después de convertir a Word.
- Un escaneo largo tarda minutos. El reconocimiento se ejecuta en tu propio procesador, página por página. Mantén la pestaña abierta o primero extrae las páginas que necesitas y aplica el OCR solo a esas.
Cómo comprobar el resultado en un minuto
No hace falta leer el archivo entero para saber si el reconocimiento funcionó. Abre el nuevo PDF y pulsa Ctrl+F (Cmd+F en un Mac); luego busca una palabra que sepas que está en una página: un nombre, una empresa, un título. Si el visor la resalta en el lugar correcto, esa página tiene una capa de texto que funciona. Si no encuentra nada, mira esa página: normalmente está tenue, torcida o fotografiada en ángulo.
Presta especial atención a los números. Una letra mal leída en una palabra se detecta fácilmente por el contexto, pero un dígito mal leído no, y los caracteres parecidos son las confusiones más habituales: el cero y la letra O, el uno y la L minúscula, el cinco y la S, el ocho y la B. Cuando copies un número de cuenta, un importe o una fecha de un escaneo reconocido, compáralo dígito por dígito con la imagen antes de usarlo.
Qué hacer después
Si lo que tienes es una foto o una captura de pantalla y no un PDF, Imagen a texto te da las palabras directamente como texto.
Cuando el PDF ya se pueda buscar, puedes convertirlo a Word para editar el texto, extraer el texto como texto plano o comprimirlo (los escaneos suelen pesar mucho) antes de enviarlo por correo electrónico.
¿Vas a escanear papel en un Mac? Cómo escanear un documento a PDF en un Mac explica cómo usar la cámara del iPhone y Captura de Imagen, y luego trae el escaneo aquí para reconocer el texto.