Com passar un PDF escanejat a text editable amb OCR

Un PDF escanejat és un conjunt de fotografies dins d'un contenidor PDF. A dins no hi ha text, només píxels, així que no pots seleccionar una frase, cercar un nom ni copiar un paràgraf. L'OCR ho resol: mira les formes de cada pàgina i reconstrueix les lletres.

La resposta curta

• Obre PDF escanejat a text (OCR), carrega el PDF i tria l'idioma del document.
• Les pàgines que ja tenen capa de text es llegeixen directament; només les que són imatges passen per OCR.
• Descarrega el resultat com a TXT i revisa'l abans d'enviar-lo enlloc.

El reconeixement s'executa al teu navegador. El PDF no es puja, cosa que importa quan el document és un contracte, un informe mèdic o una factura.

Escanejat o digital? Comprova-ho primer

No tots els PDF necessiten OCR. Obre el fitxer i intenta seleccionar una paraula amb el ratolí. Si el text es ressalta amb normalitat, el document ja té capa de text i pots extreure'l de manera exacta amb PDF a TXT. És més ràpid i evita errors de reconeixement.

Si no es pot seleccionar res, o la selecció és un rectangle blau sobre tota la pàgina, aquella pàgina és una imatge. Aquí sí que cal OCR.

També hi ha documents mixtos: un contracte amb condicions digitals i signatures escanejades, o un informe amb portada de text i annexos fotografiats. Una bona eina d'OCR ha de tractar cada pàgina per separat en lloc de fer passar el fitxer sencer pel reconeixement.

Pas a pas

• Carrega el PDF. Deixa'l anar a PDF escanejat a text (OCR) o fes clic per cercar-lo. El fitxer s'obre en local.
• Tria l'idioma. Selecciona l'idioma del text que hi ha dins del document, no el del navegador. L'anglès s'afegeix automàticament perquè les pàgines mixtes continuïn funcionant.
• Inicia la conversió. Les pàgines digitals apareixen gairebé a l'instant. Les escanejades triguen uns segons cadascuna, i la primera vegada també es descarreguen les dades de l'idioma.
• Revisa el text. Llegeix-lo al costat de l'original, començant per noms, xifres i dates.
• Descarrega el TXT. Fes-lo servir al teu editor, a les notes o en qualsevol eina que accepti text pla.

Com millorar la precisió

L'OCR endevina, i la qualitat de l'endevinalla depèn de la qualitat de la imatge.

• Resolució. Uns 300 ppp és el punt òptim per a una pàgina escanejada. Una foto feta de prop sol funcionar millor que una captura petita.
• Contrast. Text fosc i net sobre fons clar és l'ideal. Les ombres, el flaix i el paper de color confonen el motor.
• Pàgines rectes. Els escanejos torts trenquen línies i uneixen paraules. Redreça la pàgina abans d'escannejar quan puguis.
• Idioma. Triar malament el model d'idioma és la causa més habitual d'accents trencats i paraules inventades. Si un document barreja dos idiomes, processa per separat les pàgines del minoritari.
• Retalla. Treu vores, mans, grapes i logotips perquè el motor no intenti llegir-los.

Què encara fa malament l'OCR

• Escriptura a mà. El text imprès és l'objectiu. Les majúscules de bloc de vegades funcionen; la lletra cursiva gairebé mai.
• Taules i columnes. El motor llegeix text, no maquetació. Les cel·les poden perdre l'alineació i les columnes es poden barrejar, així que compta a refer les taules a mà.
• Números i codis. El 0 i la lletra O, o l'1, la l i la I, són confusions clàssiques. Comprova números de factura, IBAN i correus caràcter a caràcter.
• Lletra petita i tipografies decoratives. Les notes al peu diminutes, les cursives fines i els logotips produeixen molts errors.
• Puntuació. Cometes, guions i símbols de moneda són petits i fàcils de perdre.

Un corrector ortogràfic no detecta un dígit equivocat. Per això la revisió no és opcional en res financer o legal.

Privacitat i límits

La conversió és local: el PDF es llegeix, es renderitza i es reconeix al teu dispositiu, i el text no en surt mai. Aquesta és la raó principal per preferir una eina de navegador davant d'un servei que et demana pujar el fitxer.

Hi ha dos límits pràctics que convé conèixer. Els escanejos molt grans consumeixen més memòria, i el temps de reconeixement creix amb el nombre de pàgines. Si un document té centenars de pàgines, divideix-lo en parts i processa-les d'una en una.

Quan l'OCR no és la resposta

• El PDF ja té text. Fes servir PDF a TXT per a una extracció exacta.
• Necessites la maquetació original. L'OCR retorna text, no disseny. Per a una còpia fidel, conserva el PDF original o converteix-lo a Word amb PDF a DOCX.
• Necessites un PDF cercable. El text reconegut es pot enganxar en un document nou, però aquesta eina retorna TXT; no afegeix una capa de text invisible al fitxer original.
• La pàgina és una foto, no un PDF. Fes servir Imatge a text (OCR).

Llista ràpida

• Selecciona una paraula al PDF per confirmar que està realment escanejat.
• Tria l'idioma del document.
• Compara noms, imports, dates i números de referència amb l'original.
• Conserva el PDF original fins que hagis verificat el text.
• Guarda el TXT on puguis cercar-lo després.

Ben fet, l'OCR converteix un escaneig il·legible en text amb què pots treballar, sense enviar un document confidencial al servidor d'un desconegut.