PDF escaneado o PDF de texto: cómo saber cuál tienes y por qué importa
Dos PDF que se ven idénticos pueden ser cosas muy distintas por dentro. Saber cuál tienes decide si comprimir funcionará, si podrás copiar el texto y por qué uno pesa cien veces más que otro.
Tres tipos de PDF que parecen iguales
PDF de texto (o nativo). Lo genera un programa, como un procesador de textos, una hoja de cálculo o un sistema de facturación. Las letras son caracteres reales, con una fuente asociada. Se pueden seleccionar, copiar y buscar.
PDF escaneado. Es una fotografía de cada página, guardada dentro de un PDF. Para el ordenador no hay letras, solo píxeles; por eso no puedes seleccionar nada.
PDF escaneado con OCR. Es un escaneo al que un programa de reconocimiento óptico de caracteres (OCR) ha añadido una capa de texto invisible bajo la imagen. Se ve como un escaneo, pero te deja buscar y copiar.
Cómo saber cuál es el tuyo
- Intenta seleccionar una frase con el cursor. Si se resalta línea por línea, hay texto real; si se resalta un bloque rectangular o nada, es una imagen.
- Busca una palabra visible con Ctrl+F (Cmd+F en Mac). Si el lector la encuentra, hay una capa de texto.
- Amplía mucho una letra. En un PDF de texto los bordes siguen nítidos al aumentar el zoom; en un escaneo se ven los píxeles.
- Mira el peso por página. Como referencia general, un documento de texto pesa muy poco por página, mientras que un escaneo suele pesar de cientos de KB a varios MB por página.
El segundo caso, con capa de texto visible al buscar pero aspecto de foto, delata un escaneo con OCR.
Qué cambia según el tipo
| Característica | PDF de texto | Escaneado | Escaneado con OCR |
|---|---|---|---|
| Texto seleccionable | Sí | No | Sí (capa oculta) |
| Peso típico | Bajo | Alto | Alto |
| Comprimir con NativoPDF | Ahorra poco; se pierde el texto | Muy eficaz | Eficaz, pero se pierde la capa de OCR |
| Unir y dividir | Conserva todo | Conserva todo | Conserva todo, incluida la capa de OCR |
| Accesible para lectores de pantalla | Sí | No | Depende de la calidad del OCR |
La razón por la que comprimir un PDF de texto rinde poco es sencilla: no hay imágenes pesadas que recomprimir. Por eso la herramienta de comprimir de NativoPDF revisa las tres primeras páginas y avisa cuando detecta bastante texto real. Unir y dividir, en cambio, copian las páginas sin redibujarlas y funcionan igual de bien con los tres tipos.
Qué es el OCR y cómo conseguirlo
El OCR analiza la imagen de una página, reconoce las letras y las convierte en texto. Es lo que permite buscar dentro de un escaneo. NativoPDF no incluye OCR: si lo necesitas, existen programas de escritorio y servicios que lo hacen; por ejemplo, Google Drive puede reconocer el texto de un PDF escaneado si lo abres con Google Docs. Valora, eso sí, que esos servicios procesan el archivo en sus servidores.
Qué hacer en cada caso
- Tienes un escaneo pesado: comprímelo con el nivel Media. Es el caso en que más rinde.
- Tienes un PDF de texto pesado: el peso suele venir de imágenes incrustadas o de fuentes; lo mejor es volver a exportarlo desde el programa de origen.
- Necesitas usar una página como imagen: conviértela a JPG o PNG.
- Necesitas buscar o copiar texto de un escaneo: necesitas OCR; ninguna herramienta de compresión lo sustituye.
Preguntas frecuentes
¿Puedo convertir un PDF escaneado en un PDF con texto?+
¿Por qué no puedo copiar texto de mi PDF?+
¿Comprimir un PDF con OCR mantiene la búsqueda?+
¿Un PDF de texto puede tener imágenes pesadas?+
Sigue leyendo
Cómo reducir el peso de un PDF sin arruinarlo
Por qué un PDF pesa tanto, cinco formas de reducirlo (del origen al resultado final) y los casos en que comprimir no es buena idea.
Glosario PDF: los términos que aparecen al comprimir, unir y convertir
Definiciones claras de ppp, rasterizar, OCR, JPEG, PNG, PDF/A, fuentes incrustadas, metadatos y otros términos que aparecen al trabajar con PDF.
PDF a JPG o PNG: qué formato y qué resolución elegir
Qué significan 150 y 300 ppp, cuántos píxeles tiene una página A4 y cuándo conviene JPG o PNG al convertir un PDF en imágenes.