Aplica OCR a un PDF escaneado
OCR de PDF lee un PDF escaneado o basado en imágenes y devuelve un PDF con búsqueda con una capa de texto oculta, o su texto en un archivo Markdown. El archivo original no se modifica.
Arrastra archivos aquí, o haz clic para elegir
Admite PDF · hasta 500.0 MB por archivo · hasta 20 archivos a la vez
También puedes pegar un archivo con Ctrl/Cmd+V o desde el menú del portapapeles.
OCR de PDF lee un PDF escaneado o basado en imágenes y lo devuelve de dos maneras. PDF con búsqueda te da las mismas páginas con una capa de texto invisible, para que puedas buscar, seleccionar y copiar el texto. Markdown te da el texto en un archivo .md para notas, repositorios y flujos automatizados. El archivo original nunca se modifica.
El PDF con búsqueda se genera con Tesseract. Cada página se renderiza a 300 dpi, se reconoce en el idioma que elijas y se vuelve a escribir como imagen de la página con el texto reconocido oculto detrás. El número de páginas no cambia. Como todas las páginas se vuelven a renderizar, una página que ya tenía texto real pasa a ser una imagen con capa de texto, y el tamaño del archivo puede diferir mucho del original. Elige uno de los 12 idiomas del formulario; la API también acepta hasta cuatro unidos con un signo más, como eng+fra. En una misma solicitud se procesan como máximo 50 páginas.
La salida en Markdown usa otro motor, que combina el texto nativo del PDF con reconocimiento óptico en las páginas de imagen. Forzar OCR (`ocrType=force-ocr`, el valor predeterminado del portal) vuelve a reconocer todas las páginas, mientras que Normal usa el texto existente donde el archivo lo tiene y reconoce las páginas que solo son imagen. Este motor no tiene ajuste de idioma, y la lista de idiomas no se aplica a él.
En ambos modos, la precisión depende de la calidad del escaneo, el contraste y la inclinación. Si puedes, recorta y endereza las fotos del móvil antes de subirlas: una foto en trapecio de una página malgasta el reconocimiento en el fondo. El OCR reconoce caracteres; no traduce ni corrige el texto, y tampoco limpia ni endereza el propio escaneo.
La escritura a mano, las tipografías decorativas y los faxes de baja resolución son las entradas más difíciles. Cuando un carácter es ambiguo, como un 1 frente a una l o un 0 frente a una O, el motor elige la lectura más probable y sigue adelante, y ningún modo devuelve una puntuación de confianza. Revisa por muestreo los nombres y las cifras que deban ser exactos. En Markdown, las tablas se convierten en barras verticales y una celda combinada puede perder su fila; las páginas de varias columnas se leen en el orden que el motor deduce.
No hagas OCR de documentos que no tengas permiso para digitalizar o redistribuir. Los trabajos se ejecutan en el servidor, así que descarga el resultado pronto. No conservamos una biblioteca de OCR con tus archivos. Los archivos protegidos con contraseña se desbloquean por ti en esta página cuando introduces la contraseña; quien use la API debe ejecutar antes Desbloquear.
Funciones
- PDF con búsqueda con capa de texto oculta, o texto en Markdown
- PDF con búsqueda: Tesseract a 300 dpi en 12 idiomas, hasta 50 páginas
- Markdown: texto nativo más reconocimiento en las páginas de imagen; modo Forzar o Normal
- El PDF original no se modifica
- API anónima en /api/v1/misc/ocr-pdf con outputFormat y languages
Cuándo usarla
- Hacer que un montón de contratos escaneados admitan búsquedas en un archivo documental
- Copiar un párrafo de una página fotografiada o escaneada
- Dar escaneos a agentes o flujos automatizados que esperan Markdown
- Hacer que los recibos fotografiados admitan búsquedas en una app de notas
¿Cómo aplico OCR a un PDF escaneado?
- Sube un PDF escaneado o capturado con la cámara.
- Elige PDF con búsqueda o Markdown. Para un PDF con búsqueda, elige el idioma del texto.
- Haz clic en Procesar y descarga el resultado.
- Revisa por muestreo los nombres y las cifras antes de fiarte del resultado, y prueba a buscar en el PDF una palabra que sepas que contiene.
Límites y casos límite
- La precisión varía con la calidad de la imagen; la escritura a mano y las fuentes estilizadas se reconocen mal
- PDF con búsqueda: como máximo 50 páginas, 300 dpi, una imagen por página
- Markdown no tiene ajuste de idioma, puntuaciones de confianza ni salida por página
- No traduce, ni endereza ni limpia el escaneo
- Los documentos con muchísimas páginas tardan más
Ejemplos
- Un escaneo de contrato de 20 páginas en escala de grises se convierte en un PDF en el que buscar el número de una cláusula encuentra la página
- Una página escaneada con una línea de texto en inglés devuelve un PDF del que se puede copiar esa línea
- Una foto torcida hecha con el móvil puede necesitar repetirse antes de que el OCR sea útil
Privacidad de esta herramienta
Los archivos se suben por HTTPS, se procesan en memoria o en un directorio temporal de corta duración en nuestros servidores y se eliminan cuando tu resultado está listo. No guardamos copias para consultarlas después, ni para entrenamiento ni para perfiles publicitarios. Consulta la Política de privacidad para los detalles de conservación y las cookies de AdSense.
Preguntas frecuentes
- ¿Puedo obtener un PDF con búsqueda?
- Sí. Elige PDF con búsqueda en el formulario. Cada página se reconoce y se vuelve a escribir como imagen con una capa de texto oculta, así que puedes buscar y copiar su texto.
- ¿Por qué el PDF con búsqueda parece un escaneo y no mi archivo original?
- Cada página se convierte en imagen antes del reconocimiento, incluidas las que ya tenían texto real. La capa de texto queda detrás de la imagen.
- ¿Qué idiomas se admiten?
- El formulario ofrece inglés, alemán, francés, español, portugués, italiano, ruso, árabe, chino simplificado, chino tradicional, japonés y coreano. Con la API se pueden unir hasta cuatro códigos con un signo más, como eng+fra.
- ¿Cuántas páginas puedo procesar?
- Hasta 50 páginas para un PDF con búsqueda. Un archivo más largo se rechaza con un error; divídelo antes.
- ¿La salida en Markdown usa el ajuste de idioma?
- No. El motor de Markdown no tiene parámetro de idioma. La lista de idiomas es solo para PDF con búsqueda.
- ¿El OCR cambiará el aspecto de las páginas?
- No. Obtienes un archivo nuevo y el original no se modifica. Un PDF con búsqueda muestra cada página como imagen, igual que un escaneo.
- ¿El OCR sirve para escritura a mano?
- Muy mal. Ambos motores están pensados para caracteres impresos. La cursiva, las fuentes decorativas y los faxes de baja resolución suelen salir como ruido.
- ¿Necesito Forzar OCR en un PDF nacido digital?
- Normalmente no. En Markdown, Normal usa el texto existente y se salta el motor de reconocimiento. Usa Forzar si esa capa está dañada.
Última actualización:
Llámalo desde el código
Cada herramienta del sitio es un endpoint REST. Para uso anónimo no hace falta cuenta ni clave de API. Sirve igual para el navegador, para desarrolladores y para agentes de IA.
curl -X POST "https://pdf123.xyz/api/v1/misc/ocr-pdf" \
-F "[email protected]" \
-F "outputFormat=markdown" \
-F "ocrType=force-ocr" \
-F "languages=eng" \
-o output.pdfTambién está disponible como herramienta MCP para clientes de agentes que hablan Model Context Protocol (JSON-RPC 2.0 por POST /mcp). Referencia completa de la API
Úsalo desde un agente de IA
SkillCon esta skill, Claude Code, Codex, Cursor y otros agentes de IA pueden usar «OCR de PDF» por ti: /skills/pdf123-ocr.md
Los archivos se usan solo para este trabajo y se borran automáticamente después.