Un escaneo es una imagen dentro de un contenedor

Cuando una hoja pasa por un escáner o por la cámara de un teléfono, el resultado es una imagen grande por página, envuelta en un PDF para que imprima y pagine bien. No hay datos de caracteres: la letra A es un patrón de píxeles oscuros, igual que la B.

Un PDF puede llevar ambas cosas: una imagen y una capa de texto invisible encima, que es lo que produce el OCR. Casi todos los escaneos llevan solo la imagen. Por eso un escaneo de 20 páginas puede pesar 30 MB y un documento mecanografiado de 20 páginas, 300 KB.

Qué puede y qué no puede la conversión

Convertir un PDF a Word o a texto extrae la capa de texto. Si no hay capa de texto, no hay nada que extraer, y los resultados honestos son dos: un documento con las imágenes de las páginas, o un fallo.

Un conversor que «funciona» con un escaneo y devuelve un Word lleno de imágenes no ha leído la página: la ha copiado. Puede seguir siendo útil si el objetivo es una maqueta editable, pero no te da texto buscable y no es lo que la mayoría entiende por «convertir».

Este sitio no hace OCR. Un escaneo sigue siendo un escaneo: la conversión copia lo que hay y lo dice, en lugar de inventar palabras. Si necesitas texto buscable, usa una herramienta de OCR y comprueba si funciona en local antes de subir un documento que te importa.

Cómo saber qué tienes

Tres comprobaciones lo resuelven en menos de un minuto:

  • Selecciona un párrafo. Si se resalta, hay capa de texto y la conversión funcionará.
  • Busca una palabra que veas en la página. Sin resultados, no hay capa de texto.
  • Mira el tamaño por página. Cientos de kilobytes o más por página es un escaneo; decenas de kilobytes es texto.

Si de verdad necesitas OCR

El OCR reconoce caracteres a partir de píxeles y escribe una capa de texto en el PDF. Es otro trabajo, más lento, y su precisión depende del escaneo: 300 ppp, recto, buen contraste, sin escritura a mano. Cuenta con corregir nombres, números y todo lo compuesto en una tipografía clara.

Si el escaneo solo se necesita para leer, muchas veces basta con convertirlo a imagen, y es más rápido e inocuo que el OCR.