Un PDF que se ve nítido en pantalla puede contener solo imágenes de palabras. Otro puede mostrar la misma página escaneada pero llevar detrás una capa de texto invisible. Esa diferencia afecta a la búsqueda, la copia, la conversión y la traducción.
Puedes hacer un diagnóstico útil sin examinar el interior del archivo. Prueba varias páginas y fíjate en lo que realmente te ofrece la capa de texto, no solo en el aspecto del documento.
Selecciona y copia una frase completa
Abre el PDF en un visor e intenta seleccionar una frase del cuerpo del texto. Pégala en un editor de texto sin formato. Revisa los caracteres y su orden, incluidos los signos de puntuación, los números y cualquier texto acentuado o no latino.
Si al seleccionar se resalta toda la imagen de la página en lugar de las palabras, lo más probable es que esa página sea solo imagen. Si una frase se copia bien, en ese punto hay una capa de texto utilizable. Si lo copiado es un galimatías o salta de una columna a otra, existe texto seleccionable, pero puede no ser fiable para seguir procesándolo.
No clasifiques todo el libro por su portada. Las páginas de título suelen usar fuentes, imágenes o maquetación distintas de las del cuerpo principal.
Reconoce un escaneo con capa de texto oculta
El OCR puede añadir texto buscable encima o detrás de una imagen escaneada. La página visible sigue siendo un escaneo, mientras que la búsqueda y la selección usan el texto reconocido. Eso puede resultar útil, pero una capa invisible puede contener errores que la imagen nítida de la página oculta.
Busca una frase característica y compara el texto encontrado con la imagen. Copia una línea con un número o un término técnico. Comprueba si la selección se ajusta de forma razonable y si su contenido coincide con lo que puedes leer.
Una capa oculta incorrecta no demuestra que la imagen sea mala. Puede deberse a un reconocimiento anterior, a problemas de codificación o al orden de lectura. Ten en cuenta ambas posibilidades antes de decidir si volver a escanear o a procesar.
Toma muestras de páginas mixtas y difíciles
Muchos PDF combinan texto digital con inserciones escaneadas, apéndices o ilustraciones. Un documento también puede tener maquetaciones distintas según la sección. Usa una pequeña muestra de páginas:
| Página que revisar | Motivo |
|---|---|
| Texto normal del cuerpo | Establecer el tipo de contenido principal |
| Secciones intermedias y finales | Detectar cambios en el origen o en la exportación |
| Página a dos columnas | Comprobar el orden de extracción |
| Tabla o fórmula | Comprobar números, símbolos y estructura |
| Notas o apéndice | Detectar texto pequeño e inserciones escaneadas |
Anota qué páginas son solo imagen, cuáles se copian correctamente y cuáles tienen texto poco fiable. Esa información es más útil que una única etiqueta que diga «PDF escaneado».
Si el escaneo en sí está borroso, recortado o tiene sombras, resuélvelo antes de confiar en el reconocimiento. La guía para preparar escaneos de baja calidad explica cómo hacerlo con herramientas externas, sin dar por hecho que el sitio web ofrece controles de edición de imagen.
Elige el camino según lo que quieras hacer después
Si el archivo original solo contiene imágenes, primero hay que extraer el texto mediante OCR para obtener contenido editable o una versión traducida que puedas leer. Recuperar la estructura también importa: reconocer cada palabra no coloca automáticamente columnas, pies de foto y notas en el orden correcto.
Si quieres seguir leyendo con un tamaño de letra ajustable, consulta PDF escaneado a EPUB. Si quieres contenido editable para tomar notas o seguir procesándolo, consulta PDF a Markdown. Conserva el PDF original cuando importe el aspecto exacto de las páginas.
Para otro idioma, elige de forma explícita la ruta de traducción. En PDF Craft, la salida en PDF exige traducción. Las salidas en EPUB y Markdown permiten convertir sin traducir, así que activa la traducción cuando la quieras. La guía para traducir PDF escaneados explica todo el proceso.
Separa el diagnóstico de la validación
Estas comprobaciones te indican qué parece contener el archivo de origen. No demuestran que una conversión posterior sea correcta. Cuando termines de procesar, revisa esas mismas páginas difíciles y compara el resultado descargado con el original.
Usa el espacio de trabajo de PDF para subir el archivo y consultar la configuración y los límites vigentes. Los usuarios nuevos reciben créditos de prueba; el procesamiento se cobra según el uso, con las tarifas actuales en Precios. La guía de OCR y traducción explica por qué la recuperación del texto, la estructura y el significado requieren atención por separado tras el diagnóstico del origen.