Mac

Cómo aplicar OCR a un PDF escaneado en un Mac

Vista Previa no puede aplicar OCR a un PDF, y Texto en Vivo no es OCR. En un macOS reciente puedes pasar el cursor sobre una página escaneada, seleccionar las palabras y copiarlas, y todo eso ocurre en vivo en el visor sin escribir nada en el archivo. Busca dentro del documento y no obtendrás resultados. Spotlight no lo encuentra. El OCR de verdad añade una capa de texto invisible al propio PDF, y eso requiere una herramienta hecha para ello.

Texto en Vivo frente a OCR

Esta es la distinción que conviene llevarse. Texto en Vivo reconoce caracteres en una imagen en el momento en que la miras, dentro del visor, y te entrega una selección. En el disco no cambia nada. Cierra el archivo y el reconocimiento se ha ido. El OCR se ejecuta una vez y escribe las palabras reconocidas dentro del PDF como una capa invisible situada bajo la imagen de la página.

Las dos cosas te permiten copiar una frase. Solo una hace que el documento sea buscable, indexable por Spotlight, legible por un lector de pantalla, convertible a Word y localizable en seis meses cuando hayas olvidado cómo se llamaba el archivo.

Texto en Vivo es genuinamente útil: sacar una dirección de un escaneo es más rápido que cualquier alternativa. Simplemente no es un sustituto, y como funciona tan bien convence a la gente de que ya tiene una capa de texto.

El escaneo importa más que la herramienta

La precisión del reconocimiento se fija en el momento de la captura. 300 ppp es el suelo para impresión normal; por debajo de 200 el motor empieza a adivinar entre formas parecidas. Una página fotografiada en ángulo pierde precisión por la deformación. La sombra de un flexo sobre la página deja una franja de texto ilegible. Cualquier motor de OCR se desenvuelve bien con un escaneo limpio y todos sufren con uno malo, así que el tiempo está mejor invertido en reescanear que en buscar mejor software.

La captura con el móvil va bien si la página está plana, la luz es uniforme y la cámara está paralela al papel. Los modos de escaneo de documentos que endereza la página solos ayudan mucho.

Lo que sigue siendo difícil

La escritura a mano, en general. Las tablas densas, donde el motor lee cruzando los límites de las celdas. Los diseños a dos columnas, donde hay que inferir el orden de lectura. Las ligaduras y las tipografías antiguas. Varios alfabetos en una misma página. Un resultado correcto al 98 % sigue significando un carácter mal cada par de líneas, así que todo lo que tenga consecuencias hay que leerlo, no creérselo.

Privacidad, porque suele ser un documento que importa

Los PDF escaneados tienden a ser los personales: contratos, informes médicos, papeleo de Hacienda, documentos de identidad. El OCR en línea manda todo eso al servidor de otra persona. El reconocimiento funciona perfectamente en un Mac moderno sin subir nada, y para esta clase de documento eso es el valor por defecto sensato.

Paso a paso

  1. Comprueba qué tienes
    Abre el PDF y pulsa ⌘F. Si una palabra que ves con claridad no devuelve nada, no hay capa de texto.
  2. La precisión la decide la calidad del escaneo, no el programa
    300 ppp, página plana, luz uniforme. Nada recupera una captura borrosa o torcida.
  3. Ejecuta el OCR para obtener un PDF con búsqueda
    El resultado debe verse idéntico y comportarse distinto: seleccionable, buscable, indexable.
  4. Verifica con ⌘F y luego con Spotlight
    Busca una palabra de la mitad del documento. Después búscala en el Finder para confirmar que el índice la ha recogido.
PDF Studio – Editor & Reader

Nuestra app de iOS para justo esto. Funciona en tu dispositivo: sin cuenta y sin seguimiento.

Ver la app →