OCR · PDF buscable
Hacer buscable un PDF escaneado
Un PDF escaneado es solo una foto de las páginas: no puedes buscar una palabra ni copiar una línea. OCRmyPDF le añade una capa invisible de texto reconocido en tu computadora y el documento queda buscable y seleccionable, viéndose exactamente igual.
1. Instala OCRmyPDF
Se instala una sola vez y queda para siempre. Es gratis y de código abierto:
# macOS (Homebrew) — incluye Tesseract y el idioma español
brew install ocrmypdf
# Ubuntu / Debian — agrega el paquete de español
sudo apt install ocrmypdf tesseract-ocr-spaSi nunca has usado la terminal, empieza por la guía de la terminal.
2. El comando exacto
Coloca el escaneo en una carpeta, abre la terminal ahí y ejecuta esto. -l spa le dice al motor de reconocimiento que el documento está en español:
ocrmypdf -l spa escaneo.pdf buscable.pdfEso es todo. El PDF de salida se ve idéntico al original, pero ahora puedes buscar texto, seleccionarlo y copiarlo. El escaneo original no se modifica.
Qué hace por debajo
OCRmyPDF pasa cada página por Tesseract, el motor de OCR de código abierto que Google mantuvo durante años, y coloca el texto reconocido como una capa transparente justo encima de la imagen. Por eso el documento luce igual: la foto sigue ahí, pero ahora lleva texto detrás.
Si después quieres ese texto como archivo aparte, está la tarea Extraer texto plano con OCR. Si el escaneo está chueco o sucio, revisa Enderezar y limpiar escaneos.
Tareas relacionadas
Preguntas frecuentes
¿Cambia el aspecto de mi documento?
No. La capa de texto que añade OCRmyPDF es invisible y se coloca encima de la imagen original, así que las páginas se ven exactamente igual que antes. La única diferencia perceptible es que ahora puedes buscar, seleccionar y copiar el texto, cosa que antes era imposible.
¿Se sube el escaneo a la nube para reconocer el texto?
No. Tesseract corre dentro de tu computadora, así que documentos sensibles como actas, contratos o expedientes nunca salen de tu disco. Es la diferencia frente a los servicios de OCR en línea, que necesitan que les subas el archivo para procesarlo.
¿Reconoce bien los acentos y la ñ?
Sí, siempre que uses -l spa. Esa bandera carga el modelo de idioma español de Tesseract, entrenado con las tildes, la ñ y los signos de apertura. Sin ella, el motor asumiría inglés y confundiría los caracteres acentuados.