Cómo unir varios escaneos y fotos en un PDF buscable
Para convertir fotos o escaneos en un único PDF con texto buscable con OnCloudPDF, sigue tres pasos: JPG a PDF crea un PDF a partir de tus imágenes, Unir PDF lo junta con otros PDF si hace falta y OCR PDF añade una capa de texto invisible en uno de los ocho idiomas disponibles. El OCR funciona en tu navegador, puede ser lento en archivos largos y su precisión depende de lo nítidos que estén los escaneos.
Actualizado · Se ejecuta en tu navegador, sin subir archivos y sin cuenta
Qué vas a conseguir y para qué sirve
La foto de una página es solo una imagen: no puedes buscar en ella, seleccionar palabras ni copiar un párrafo. Un PDF con texto buscable conserva la imagen de la página, pero añade encima una capa invisible de texto reconocido, de modo que con Ctrl+F se encuentran palabras y se puede copiar el texto. El paso que crea esa capa es el OCR, el reconocimiento óptico de caracteres.
Un caso típico es un montón de recibos, una carta firmada fotografiada con el teléfono o unas páginas de un libro. Tienes varios archivos de imagen, quizá también un PDF de un escáner, y quieres un solo documento fácil de guardar y de consultar. El flujo siguiente lo consigue sin instalar nada, y los archivos se quedan en tu navegador.
Paso 1: haz o reúne buenas imágenes
La precisión del OCR empieza al capturar la imagen. Tesseract, el motor que usa OCR PDF, reconoce mejor los escaneos limpios, de alta resolución y en el idioma correcto; las imágenes borrosas, torcidas o con poco contraste producen más errores. Unos buenos hábitos ayudan más que cualquier ajuste:
- Fotografía la página plana, desde justo encima, con luz uniforme y sin sombras sobre el texto.
- Llena el encuadre con la página para que las letras salgan grandes y nítidas.
- Mantén la página recta. Las herramientas no enderezan la imagen, así que una página inclinada seguirá inclinada.
- Nombra los archivos para que se ordenen en el orden de lectura, por ejemplo pagina-01.jpg y pagina-02.jpg.
Paso 2: de JPG a PDF
Selecciona todas las imágenes a la vez en JPG a PDF. Admite JPG/JPEG, PNG y GIF. Cada imagen se convierte en una página cuyo tamaño es el de las dimensiones en píxeles de la imagen, y las páginas siguen el orden en que se seleccionaron los archivos. No hay opción de tamaño de página ni de ajuste a la página, y un GIF se vuelve a dibujar como JPEG usando solo su primer fotograma.
Dos detalles prácticos. Primero, el orden: esta herramienta no tiene paso para reordenar, así que si una página queda en mal sitio, corrígelo después con Ordenar páginas de PDF sobre el PDF terminado. Segundo, el peso: los archivos JPEG y PNG se incrustan tal cual, de modo que el PDF pesa aproximadamente lo que suman tus imágenes. Las fotos del teléfono son grandes, así que un documento de 20 páginas puede salir pesado. Si el tamaño importa, pasa el PDF terminado por Comprimir PDF, que reduce la resolución de las imágenes (fija un tamaño objetivo si lo necesitas), o reduce tus fotos antes de este paso.
Descarga el resultado, que se llama images_combined.pdf.
Paso 3: unir PDF, solo si tienes más de uno
Si también tienes un PDF de un escáner, o has hecho varias tandas, usa Unir PDF. Selecciona o suelta los archivos, arrastra las vistas previas para ordenarlas, pulsa «Unir PDF» y descarga OnCloudPDF_merge.pdf. Se unen todas las páginas de cada archivo y se copian sin cambios. Si solo necesitas algunas páginas de un archivo, usa antes Extraer páginas de PDF o Eliminar páginas de PDF. Unir no desbloquea un PDF cifrado.
Une los archivos antes del OCR, no después. Así el reconocimiento se ejecuta una sola vez sobre un único archivo y el documento final tiene una capa de texto coherente.
Paso 4: cómo hacer OCR a un PDF
Abre OCR PDF, selecciona el archivo ya unido, elige el idioma del documento y pulsa «Ejecutar OCR». La lista incluye inglés, español, francés, alemán, italiano, portugués, chino (simplificado) y japonés, y eliges un idioma por pasada. Un documento en dos idiomas se reconoce solo con el que elijas, por lo que las palabras del otro pueden salir mal.
Cada página se renderiza a escala 1,5x y la reconoce Tesseract.js en tu navegador; las páginas de salida se reconstruyen a partir de esas imágenes con una capa de texto invisible y posicionada. Por eso no se conserva el texto original ni el contenido vectorial del PDF: incluso un PDF que ya tenía texto real pasa a ser una imagen más una capa de OCR. Usa el OCR solo en páginas que sean realmente imágenes.
Tres límites prácticos antes de empezar. La primera vez se descargan de una CDN el motor Tesseract y los datos del idioma (no tu archivo), así que hace falta conexión a internet; las siguientes veces se reutilizan los datos guardados en caché. El procesamiento se hace página a página en tu dispositivo y puede ser lento en documentos largos, así que mantén abierta la pestaña y ten paciencia. Y no se impone ningún límite de páginas ni de tamaño, de modo que los archivos muy grandes dependen de la memoria de tu navegador.
Cuando termine, revisa la vista previa del texto y prueba el PDF: busca una palabra que sepas que está en alguna página y copia un párrafo en un editor de texto. Después descarga el PDF con texto buscable.
Una aclaración sobre PDF a escaneado
PDF a escaneado va en sentido contrario. Toma un PDF normal y hace que parezca escaneado: cada página se convierte en imagen, se añaden un grano ligero y un tenue tinte de papel, y el resultado se guarda en un ZIP. No hace OCR ni añade capa de texto, así que el resultado no es buscable. No la ejecutes antes del OCR si quieres poder buscar en el documento; si quieres tanto el aspecto de escaneado como una capa de texto, usa primero PDF a escaneado y después OCR PDF sobre el resultado.
Resumen del flujo de trabajo
| Paso | Herramienta | Resultado | Límite real |
|---|---|---|---|
| Crear un PDF | JPG a PDF | images_combined.pdf | Solo JPG, PNG y GIF; el tamaño de página es el de la imagen; sin reordenar dentro de la herramienta |
| Juntar archivos | Unir PDF | OnCloudPDF_merge.pdf | Todas las páginas de cada archivo; los archivos cifrados no se desbloquean |
| Corregir el orden | Ordenar páginas de PDF | tuarchivo_reordered.pdf | Muestra números de página, no miniaturas |
| Añadir la capa de texto | OCR PDF | PDF con texto buscable | 8 idiomas, uno por pasada; lento en archivos largos; necesita internet la primera vez |
| Comprobar el texto | PDF a texto | Archivo .txt sin formato | Une los elementos de texto de cada página en un bloque; sin maquetación |
Cuándo conviene otra herramienta
OCR PDF está pensado para documentos ocasionales. Si necesitas un idioma que no está en la lista, una precisión muy alta con escaneos de mala calidad, tablas reconocidas como tablas o lotes de cientos de páginas, un programa de OCR de escritorio o un servicio basado en servidor suele funcionar mejor, con la contrapartida de privacidad que se explica en Herramientas PDF gratis: comparativa. Para confirmar que tu PDF ya tiene texto real, Contar palabras de PDF indica 0 palabras si el PDF no tiene capa de texto y una cifra real cuando el OCR ha funcionado.
Preguntas frecuentes
¿Qué idiomas admite OCR PDF?
Inglés, español, francés, alemán, italiano, portugués, chino (simplificado) y japonés. Eliges un idioma por pasada.
¿El OCR sube mi documento?
No. El reconocimiento se ejecuta en tu navegador. La primera vez se descargan de una CDN el motor y los datos del idioma, que no son tu archivo, y las siguientes veces se usan los datos guardados en caché.
¿Por qué el OCR es tan lento?
Procesa el documento página a página en tu propio dispositivo con Tesseract.js. Los documentos largos tardan más y la velocidad depende de tu dispositivo.
¿El OCR conservará mi texto e imágenes originales?
Las páginas de salida se reconstruyen a partir de imágenes renderizadas a escala 1,5x con una capa de texto invisible encima. El texto original y el contenido vectorial no se conservan, así que usa el OCR en páginas que sean solo imagen.