Documentos · Tesseract OCR
Sacar texto de una captura de pantalla
Tienes un dato atrapado dentro de una imagen —una captura de pantalla, la foto de un recibo, un cartel— y reescribirlo a mano es tedioso. Tesseract, el motor de OCR de código abierto, lee la imagen y te devuelve el texto en un archivo, reconociendo el español con acentos incluidos.
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
Tesseract (ya instalado junto con OCRmyPDF) trabaja directamente sobre la imagen. Indícale el idioma con -l spa:
tesseract captura.png salida -l spaEl segundo argumento, salida, es el nombre base del resultado: Tesseract le añade la extensión y deja el texto reconocido en salida.txt.
Cuando la imagen mezcla idiomas
Si la captura tiene texto en español e inglés a la vez, encadena los dos idiomas con un signo de más:
tesseract captura.png salida -l spa+engTesseract probará ambos diccionarios y elegirá el que mejor encaje en cada palabra.
Tareas relacionadas
Preguntas frecuentes
¿Por qué el texto sale como salida.txt y no en pantalla?
El segundo argumento del comando es el nombre base del archivo de salida; Tesseract le agrega .txt y escribe ahí el resultado. Si prefieres verlo directo en la terminal, usa stdout en lugar de un nombre: tesseract captura.png stdout -l spa.
¿Qué formatos de imagen acepta?
Tesseract lee los formatos habituales: PNG, JPG, TIFF, BMP y otros. Las capturas de pantalla en PNG, al ser nítidas y sin compresión, suelen dar el reconocimiento más limpio.
¿Mejora el resultado si la imagen está borrosa?
El OCR depende mucho de la nitidez. Una captura clara y bien contrastada se reconoce casi sin errores; con fotos torcidas o de baja resolución conviene recortar y enderezar la imagen antes. Para PDFs escaneados completos existe OCRmyPDF, con limpieza y enderezado automáticos.