Cómo editar un PDF escaneado: qué puedes cambiar tras el OCR

El OCR añade al escaneo una capa de texto invisible para buscar y copiar, pero las letras de la imagen siguen siendo imagen. Las notas se ponen encima de la página, los reemplazos se hacen tachando y añadiendo texto, y los cambios grandes, en Word.

¿Tienes que corregir una fecha en un contrato escaneado o añadir un número de referencia a un certificado? Abre el escaneo en Editar PDF: en el mismo editor puedes reconocer el texto, añadir texto nuevo y cubrir el anterior. Conviene saber de antemano lo que el OCR no hace. Añade a la página una capa invisible con las palabras reconocidas, pero las letras impresas siguen formando parte de la imagen y no cambian por sí solas.

Este artículo trata de escaneos y fotos de documentos. Si el PDF se creó en Word u otro programa y contiene texto real, la edición funciona de otra manera: consulta cómo editar texto de un PDF sin convertirlo a Word.

Comprueba qué hay en la página

Guarda primero una copia del archivo original. Después abre el documento en el editor y haz clic en «OCR» en la barra de herramientas. Al pasar el cursor aparece el nombre completo, «Reconocer texto (OCR)», y en el teléfono la barra se abre con el botón «Herramientas». Antes de empezar, el panel revisa las páginas. En la opción «Páginas sin texto» ves cuántas encontró, y en el modo «Elegir páginas» cada número de página lleva una etiqueta: «escaneo», «con texto», «dibujo» o «vacía».

La etiqueta «con texto» en una página escaneada significa que el archivo ya tiene una capa de texto, por ejemplo la que añadió el escáner o la aplicación con la que se guardó el documento. Comprueba su calidad. Abre el archivo en un visor de PDF corriente, copia una línea con una fecha o un número en cualquier editor de texto y compárala con lo que ves en la página. Si las cifras coinciden, no hace falta volver a reconocerla.

Reconoce el texto desde el propio editor

La vía principal no te obliga a salir del editor:

1. Haz clic en «OCR». 2. Elige las páginas: «Esta página», «Páginas sin texto», «Todas las páginas» o «Elegir páginas». 3. En «Idioma» viene seleccionado «Automático» (ruso e inglés a la vez). Si el documento no tiene texto en ruso, elige «Inglés». 4. En «Calidad», elige «Precisa (más lenta)» si el escaneo tiene letra pequeña, tablas o sellos. 5. Haz clic en «Reconocer».

Puedes cerrar la ventana y seguir editando: la capa se añade cuando termina el proceso. Desde ese momento la búsqueda encuentra las palabras del escaneo, y «Deshacer» quita la capa reconocida de una sola vez. El reconocimiento consume operaciones de tu límite, y el panel indica cuántas antes de empezar.

La herramienta independiente PDF con OCR hace lo mismo con un archivo completo. Te sirve cuando no necesitas cambiar nada y solo quieres buscar y copiar. Los modos de calidad y el enderezado se explican con detalle en cómo reconocer texto en un PDF escaneado con OCR.

Qué idiomas se reconocen

Por ahora el reconocimiento conoce dos idiomas: inglés y ruso. «Automático» en el editor y «automático» en «lenguaje ocr» de la herramienta PDF con OCR no adivinan el idioma, sino que leen la página con los dos a la vez.

Por eso, para escaneos en español elige «Inglés»: así los lee el modelo inglés. Las palabras suelen leerse, pero las letras con tilde y la ñ se pierden o se deforman, así que una búsqueda de «año» o «información» puede no encontrar nada, y un Word creado con ese texto tendrás que corregirlo a mano. En el modo «Automático», las letras latinas pueden reconocerse como letras cirílicas parecidas. Las escrituras distintas del alfabeto latino y el cirílico no se reconocen en absoluto. Añadir texto y tachar zonas, como se explica más abajo, funcionan también sin OCR.

Si el escaneo ya tiene un OCR defectuoso

Volver a reconocer no corrige errores ajenos. Una página que ya tiene una capa de texto de al menos 24 caracteres se omite. En el panel aparece en la línea «ya tienen texto, no se tocan», y la herramienta PDF con OCR la devuelve sin cambios. Así se protege el texto real, pero en un escaneo con un reconocimiento antiguo y defectuoso significa que una nueva pasada no arregla nada.

La solución es convertir las páginas de nuevo en imágenes limpias:

1. Pasa el archivo por PDF a JPG. El resultado llega en un archivo ZIP con una imagen por página. 2. Descomprímelo y sube las imágenes en orden a JPG a PDF. Para que no aparezca un marco blanco, pon «Márgenes» en 0. Si el original era A4, elige A4 en «tamaño de página». 3. Reconoce el archivo nuevo.

En cada ejecución, JPG a PDF acepta un número limitado de imágenes (el límite aparece en la página de la herramienta). Procesa un documento largo por partes y únelas con Unir PDF. Este camino gasta tres operaciones de tu límite diario, y más si trabajas por partes: una ejecución de JPG a PDF por cada parte y otra para unirlas.

Ten en cuenta que, junto con la capa antigua, desaparecen los objetos de texto reales, los enlaces y los marcadores. Usa este camino solo con un documento formado por completo por escaneos.

Añade una nota encima de la página

Si el contenido original debe quedarse y solo necesitas añadir algo al lado, como un número de entrada, un comentario o una aclaración del tipo «Empieza a las 14:00», haz clic en «Texto» (su descripción emergente dice «Añadir texto»). Coloca el cuadro en una zona libre, ajusta «Tamaño de fuente» y el color, y luego amplía la vista para comprobar que la nota no se superpone a las líneas del escaneo.

El campo «Fondo» pone un relleno debajo de la nota, por ejemplo blanco. Es solo una cobertura visual: las letras antiguas siguen en el archivo bajo él, y la búsqueda sigue encontrando sus copias reconocidas. No sirve para eliminar datos.

Reemplaza un fragmento con una zona tachada

Si el valor anterior tiene que desaparecer de verdad, haz clic en «Tachar» (su descripción emergente dice «Añadir tachado»). Aparece una zona blanca que oculta lo que hay debajo: arrástrala sobre la fecha antigua, ajusta su tamaño con los tiradores de los bordes y coloca la nueva fecha encima con «Texto». Tras «Aplicar cambios», el PDF terminado aparece debajo, listo para descargar. Tu archivo original no cambia.

Este método tiene un precio. Una página con zona tachada se exporta entera como imagen, así que bajo la zona cubierta no queda nada. Pero la capa de texto desaparece de toda la página: su texto ya no se puede seleccionar ni buscar. El texto que añadiste en esa página también queda grabado en la imagen y deja de ser texto. Los enlaces fuera de la zona se conservan; las propiedades del documento, los adjuntos y los marcadores no se limpian. Más información en borrar datos confidenciales en PDF.

Para recuperar la búsqueda, vuelve a reconocer el resultado: abre el archivo descargado en el editor o en PDF con OCR. Las páginas que conservan texto se omiten, y las páginas tachadas ahora son imágenes limpias y se reconocen de nuevo, ya con la fecha nueva.

Para cambios grandes, pasa a Word

Reescribir párrafos y tablas sobre un escaneo es incómodo. En ese caso, reconoce primero el documento, abre después PDF a Word y deja «Texto editable» en «Tipo de resultado». La opción «Copia exacta (no editable)» inserta las páginas como imágenes, así que no hay nada que editar.

Desmarca «incluir imágenes». En un escaneo, la propia página es una imagen dentro del PDF, de modo que con esa casilla marcada el DOCX recibe la imagen de la página y los párrafos reconocidos, y el texto queda duplicado. Sin imágenes obtienes texto limpio. Los sellos y las firmas tampoco pasarán: si los necesitas, insértalos en Word por separado.

El reconocimiento no recupera las fuentes originales, los saltos de línea ni el diseño exacto de las tablas. Después de editar, guarda el documento desde Word como PDF y compáralo página por página con el original: importes, fechas, números y nombres. Una nota breve es más fácil de añadir directamente en el editor; rehacer el documento en Word compensa cuando cambia una parte notable del texto.