¿Tiene un documento PDF del que le gustaría extraer todo el texto? ¿Qué pasa con los archivos de imagen de un documento escaneado que desea convertir en texto editable? Estos son algunos de los problemas más comunes que he visto en el lugar de trabajo cuando trabajo con archivos.
En este artículo, hablaré sobre varias maneras diferentes en que puede intentar extraer texto de un PDF o de una imagen. Sus resultados de extracción variarán según el tipo y la calidad del texto en el PDF o la imagen. Además, los resultados variarán según la herramienta que use, por lo que es mejor probar la mayor cantidad posible de las siguientes opciones para obtener los mejores resultados.
Extraer texto de una imagen o PDF
La manera más simple y rápida de comenzar es probar un servicio de extracción de texto PDF en línea. Estos son normalmente gratuitos y pueden darle exactamente lo que está buscando sin tener que instalar nada en su computadora. Aquí hay dos que he usado con muy buenos a excelentes resultados:
ExtractPDF
ExtraerPDF es una herramienta gratuita para tomar imágenes, texto y fuentes de un archivo PDF. La única limitación es que el tamaño máximo para el archivo PDF es de 10 MB. Eso es un poco pequeño; así que si tienes un archivo más grande, prueba algunos de los otros métodos a continuación. Elija su archivo y luego haga clic en el botón Enviar archivo. Los resultados son normalmente muy rápidos y debería ver una vista previa del texto al hacer clic en la pestaña Texto.
También es un buen ejemplo beneficio adicional de que extrae imágenes del archivo PDF también, ¡en caso de que las necesite! En general, la herramienta en línea funciona muy bien, pero me he topado con un par de documentos en PDF que me dan resultados divertidos. El texto se extrae muy bien, pero por alguna razón tendrá un salto de línea después de cada palabra. No es un gran problema para un archivo PDF corto, pero sin duda es un problema para archivos con mucho texto. Si eso le sucede, pruebe la siguiente herramienta.
En línea OCR
OCR en línea generalmente tendía a funcionar para los documentos que no se convertían correctamente con ExtractPDF , por lo tanto, es una buena idea probar ambos servicios para ver cuáles le ofrecen un mejor rendimiento. El OCR en línea también tiene algunas características más bonitas que pueden resultar útiles para cualquier persona que tenga un gran archivo PDF que solo necesite convertir texto en unas pocas páginas en lugar de en todo el documento.
Lo primero que debe hacer es ir adelante y crea una cuenta gratis. Es un poco molesto, pero si no creas la cuenta gratuita, solo convertirá parcialmente tu PDF en lugar de todo el documento. Además, en lugar de solo poder cargar solo un documento de 5 MB, puede cargar hasta 100MB por archivo con una cuenta.
Primero , elija un idioma y luego elija el tipo de formatos de salida que desea para el archivo convertido. Tiene un par de opciones y puede elegir más de una si lo desea. En Documento de varias páginas, puede seleccionar Números de páginay luego elegir solo las páginas que desea convertir. Luego, selecciona el archivo y haz clic en Convertir.
Después de la conversión, accederá a la sección Documentos (si está conectado) donde podrá ver cuántas páginas gratuitas disponibles le quedan y enlaces para descargar sus archivos convertidos. Parece que solo tienes 25 páginas gratis al día, así que si necesitas más, tendrás que esperar un poco o comprar más páginas.
El OCR en línea hizo un excelente trabajo de conversión mis archivos PDF porque fue capaz de mantener el diseño real del texto. En mi prueba, tomé un documento de Word que usa viñetas, diferentes tamaños de fuente, etc. y lo convertí a PDF. Luego utilicé el OCR en línea para convertirlo de nuevo al formato Word y fue aproximadamente el 95% el mismo que el original. Eso es bastante impresionante para mí.
Además, si está buscando convertir una imagen en texto, Online OCR lo puede hacer tan fácilmente como extraer texto de archivos PDF.
Gratis OCR en línea
Ya que estábamos hablando de OCR de imagen a texto, permítanme mencionar otro buen sitio web que funciona realmente bien en imágenes. Free OCR en línea era muy bueno y muy preciso al extraer texto de mis imágenes de prueba. Tomé un par de fotos de mi iPhone de páginas de libros, panfletos, etc. y me sorprendió lo bien que fue capaz de convertir el texto.
Elija su archivo y luego haga clic en el botón Cargar. En la pantalla siguiente, hay un par de opciones y una vista previa de la imagen. Puede recortarlo si no desea OCR todo. Luego solo haga clic en el botón OCR y su texto convertido aparecerá debajo de la vista previa de la imagen. Tampoco tiene limitaciones, lo que es realmente agradable.
Además de los servicios en línea, hay dos convertidores de PDF gratuitos que quiero mencionar en caso de que necesite un software que se ejecute localmente en su computadora para realizar las conversiones Con los servicios en línea, siempre necesitará una conexión a Internet y eso puede no ser posible para todos. Sin embargo, noté que la calidad de las conversiones de los programas gratuitos era significativamente peor que las de los sitios web.
A-PDF Text Extractor
Extractor de texto A-PDF es un programa gratuito que hace un buen trabajo al extraer texto de archivos PDF. Una vez que lo descargue e instale, haga clic en el botón Abrir para elegir su archivo PDF. A continuación, haga clic en Extraer texto para iniciar el proceso.
Le pedirá una ubicación para almacenar el archivo de salida de texto y luego comenzará la extracción . También puede hacer clic en el botón Opción, que le permite elegir solo ciertas páginas para extraer y el tipo de extracción. La segunda opción es interesante porque extrae el texto en diferentes diseños y vale la pena probar los tres para ver cuáles le ofrecen el mejor resultado.
PDF2Text Pilot
PDF2Texto piloto hace un buen trabajo al extraer texto. No tiene ninguna opción; solo agrega archivos o carpetas, conviértalo y espere lo mejor. Funcionó bien en algunos archivos PDF, pero para la mayoría de ellos, hubo numerosos problemas.
Simplemente haga clic en Agregar archivos y luego en
Además, vale la pena mencionar que si se encuentra en un entorno corporativo o puede obtener una copia de Adobe Acrobat del trabajo, entonces realmente puede obtener resultados mucho mejores. Evidentemente, Acrobat no es gratuito, pero tiene opciones para convertir archivos PDF a Word, Excel y HTML. También hace el mejor trabajo de mantener la estructura del documento original y convertir texto complicado.