Copie un pasaje breve de varias páginas a un editor de texto. El texto legible sugiere una capa disponible; una salida vacía o ilegible requiere investigar antes de elegir OCR.
Distinguir tres tipos de página
Una página digital puede contener texto extraíble directamente. Un escaneo puede contener solo una imagen. Un escaneo procesado con OCR puede parecer igual y llevar texto reconocido oculto. OCRmyPDF explica cómo añade esta capa de búsqueda.
Seleccionar texto no certifica su exactitud. Una capa OCR puede tener errores y una codificación personalizada puede producir texto sin sentido aunque la página se vea nítida. Pruebe un párrafo, un número y, cuando proceda, un nombre en otro idioma.
Elegir el proceso por página
- Copie texto del principio, centro y final. Incluya escaneos y anexos cuando haya tipos de página mezclados.
- Si es legible, revise primero la extracción directa para detectar caracteres ausentes y errores de disposición. Evite reconocer de nuevo texto utilizable.
- Para páginas que solo sean imágenes, use una conversión con OCR y seleccione los idiomas adecuados si la herramienta lo permite.
- Compare el texto incorrecto con la página visible. Distinga reconocimiento, codificación y orden de lectura antes de repetir.
Verificar los caracteres que importan
El OCR estima caracteres a partir de píxeles. Revise identificadores, nombres, puntos decimales, signos negativos y símbolos parecidos como O y 0. Una palabra plausible también puede ser incorrecta. Un aviso de calidad no sustituye la revisión.
Una prueba correcta no representa todas las páginas de un PDF mixto. Conserve el escaneo original y verifique la nueva capa antes de considerarla corregida. Un texto borroso o cortado puede requerir una imagen mejor, no otra conversión.
Revisar antes de utilizar el resultado
La conversión crea una copia de trabajo. Conserve el PDF original y compare los pasajes que vaya a citar, utilizar en cálculos o entregar a una IA. Exportar correctamente no demuestra que el contenido sea completo o exacto.
MD Factory convierte documentos a Markdown en Windows. Las tablas PDF complejas se interpretan mediante heurísticas de disposición; las celdas combinadas y multilínea pueden necesitar correcciones manuales. La precisión del OCR depende de la imagen y el texto originales. Esta guía no promete limpieza automática ni una precisión determinada.
Preguntas y respuestas
¿El texto seleccionable demuestra que no hubo OCR?
No. El escáner puede haber añadido una capa oculta. Compare lo copiado con la imagen.
¿Conviene pasar todos los PDF por OCR?
El texto disponible directamente evita una nueva etapa de reconocimiento. Use OCR cuando la página o su capa lo requiera y revise el resultado.
Fuentes y verificación
Fuentes consultadas el 3 de noviembre de 2026. Se describe una revisión manual, no controles adicionales de MD Factory.