¿Tiene un documento PDF^{(PDF document)} 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 al trabajar con archivos.

En este artículo, hablaré sobre varias formas diferentes en las que puede tratar de extraer texto de un PDF o de una imagen. Los resultados de su extracción variarán según el tipo y la calidad^{(type and quality)} del texto en el PDF o la imagen^{(PDF or image)} . Además, sus resultados variarán según la herramienta que utilice, por lo que es mejor probar tantas de las siguientes opciones como sea posible para obtener los mejores resultados.

Extraer texto de imagen o PDF

La forma más sencilla y rápida de comenzar es probar un servicio de extracción de ^{(extractor service)}texto PDF^{(PDF text)} en línea . Estos normalmente son gratuitos y pueden brindarle 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:

ExtraerPDF

ExtractPDF es una herramienta gratuita para extraer imágenes, texto y fuentes^{(text and fonts)} de un archivo PDF^{(PDF file)} . La única limitación es que el tamaño máximo^{(max size)} del archivo PDF^{(PDF file)} es de 10 MB. Eso es un poco pequeño; así que si tiene un archivo más grande, pruebe algunos de los otros métodos a continuación. Elija su archivo y luego haga clic en el botón Enviar archivo^{(Send file)} . Los resultados normalmente son muy rápidos y debería ver una vista previa del texto cuando hace clic en la pestaña Texto^{(Text tab)} .

También es un buen beneficio adicional que extrae imágenes del archivo PDF^{(PDF file)} , ¡en caso de que las necesite! En general, la herramienta en línea funciona muy bien, pero me encontré con un par de documentos en PDF^{(PDF docs)} que me dieron un resultado divertido. El texto se extrae bien, pero por alguna razón tendrá un salto de línea^{(line break)} después de cada palabra. No es un gran problema para un archivo PDF^{(PDF file)} corto , pero sí lo es para archivos con mucho texto. Si eso te sucede, prueba con la siguiente herramienta.

reconocimiento óptico de caracteres en línea

El OCR en línea^{(Online OCR)} solía funcionar para los documentos que no se convertían correctamente con ExtractPDF , por lo que es una buena idea probar ambos servicios para ver cuál le ofrece un mejor resultado. El OCR en línea^{(Online OCR)} también tiene algunas características más agradables que pueden resultar útiles para cualquier persona con un archivo PDF^{(PDF file)} grande que solo necesita convertir el texto en unas pocas páginas en lugar de todo el documento.

Lo primero que debe hacer es seguir adelante y crear una cuenta gratuita. Es un poco molesto, pero si no crea la cuenta gratuita, solo convertirá parcialmente su PDF en lugar de todo el documento. Además, en lugar de solo poder cargar un documento de 5 MB^{(MB document)} , puede cargar hasta 100 MB por archivo con una cuenta.

Primero, elija un idioma y luego elija el tipo de formatos de salida que le gustaría para el archivo convertido. Tienes un par de opciones y puedes elegir más de una si quieres. En Documento^{(Multipage document)} de varias páginas , puede seleccionar Números de página^{(Page numbers)} y luego elegir solo las páginas que desea convertir. ¡Luego seleccionas el archivo y haces clic en ^{(file and click)} Convertir^(Convert) !

Después de la conversión, accederá a la sección Documentos^(Documents) (si ha iniciado sesión) 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^{(Online OCR)} hizo un excelente trabajo al convertir mis archivos PDF^(PDF) porque pudo mantener el diseño real del texto. En mi prueba, tomé un documento de Word^{(Word doc)} que usaba viñetas, diferentes tamaños de fuente, etc. y lo convertí a PDF . Luego usé Online OCR para volver a convertirlo al formato de Word^{(Word format)} y era aproximadamente un 95% igual que el original. Eso es bastante impresionante para mí.

Además, si está buscando convertir una imagen en texto, OCR en línea^{(Online OCR)} puede hacerlo tan fácilmente como extraer texto de archivos PDF .

OCR en línea gratuito

Ya que estamos hablando de OCR de imagen a texto , permítanme mencionar otro buen sitio web que funciona muy bien con imágenes. El OCR en línea gratuito^{(Free Online OCR)} fue muy bueno y muy preciso al extraer texto de mis imágenes de prueba. Tomé un par de fotos desde mi iPhone de páginas de libros, folletos, etc. y me sorprendió lo bien que podía convertir el texto.

Elija su archivo y luego haga clic en el botón Cargar^{(Upload button)} . En la siguiente pantalla, hay un par de opciones y una vista previa de la imagen. Puede recortarlo si no desea OCR todo. Luego simplemente haga clic en el botón OCR^{(OCR button)} y su texto convertido aparecerá debajo de la vista previa de la imagen^{(image preview)} . Tampoco tiene limitaciones, lo cual es realmente bueno.

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^{(Internet connection)} 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 la de los sitios web.

Extractor de texto A-PDF

A-PDF Text Extractor es un software gratuito que hace un trabajo bastante bueno al extraer texto de archivos PDF^{(PDF file)} . Una vez^(Once) que lo descargue e instale, haga clic en el botón Abrir^{(Open button)} para elegir su archivo PDF^{(PDF file)} . Luego haga clic en Extraer texto^{(Extract text)} para iniciar el proceso.

Le pedirá una ubicación para almacenar el archivo de salida de texto^{(text output file)} y luego comenzará a extraerlo. También puede hacer clic en el botón Opción^(Option) , que le permite elegir solo ciertas páginas para extraer y el tipo de extracción^{(extraction type)} . La segunda opción es interesante porque extrae el texto en diferentes diseños y vale la pena probar los tres para ver cuál te da el mejor resultado.

Piloto PDF2Text

PDF2Text Pilot  hace un buen trabajo extrayendo texto. No tiene ninguna opción; simplemente agrega archivos o carpetas, convierte y espera^{(convert and hope)} lo mejor. Funcionó bien en algunos archivos PDF^(PDFs) , pero para la mayoría de ellos hubo numerosos problemas.

Simplemente haga clic en Agregar archivos^{(Add Files)} y luego haga clic en Convertir^(Convert) . Una vez completada la conversión, haga clic en Examinar^(Browse) para abrir el archivo. Su kilometraje variará usando este programa, así que no espere mucho.

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. Acrobat obviamente no es gratuito, pero tiene opciones para convertir PDF a formato Word , Excel y HTML^{(Excel and HTML format)} . También hace el mejor trabajo manteniendo la estructura del documento original y convirtiendo texto complicado.

Extract Text from PDF and Image Files

Have a PDF doсument that you would like to extract all the text out of? What about image files of a sсanned document that you want to convert into editable text? These are some of the most common issues I’ve seen at the workplace when working with files.

In this article, I’ll talk about several different ways you can go about trying to extract text from a PDF or from an image. Your extraction results will vary depending on the type and quality of the text in the PDF or image. Also, your results will vary depending on the tool you use, so it’s best to try out as many of the options below as possible to get the best results.

Extract Text from Image or PDF

The simplest and quickest way to start is to try an online PDF text extractor service. These are normally free and can give you exactly what you are looking for without having to install anything on your computer. Here are two that I have used with very good to excellent results:

ExtractPDF

ExtractPDF is a free tool to grab images, text and fonts out of a PDF file. The only limitation is that the max size for the PDF file is 10 MB. That’s a bit small; so if you have a bigger file, try some of the other methods below. Choose your file and then click the Send file button. The results are normally very fast and you should see a preview of the text when you click on the Text tab.

It is also a nice added benefit that it extracts images out of the PDF file too, just in case you need those! Overall, the online tool works great, but I have run into a couple of PDF docs that give me funny output. The text is extracted just fine, but for some reason it’ll have a line break after each word! Not a huge problem for a short PDF file, but certainly an issue for files with lots of text. If that happens to you, try the next tool.

Online OCR

Online OCR usually tended to work for the documents that didn’t convert properly with ExtractPDF, so it’s a good idea to try both services to see which ones gives you better output. Online OCR also has some nicer features that can prove handy for anyone with a large PDF file that only needs to convert text on a few pages rather than the whole document.

The first thing you want to do is go ahead and create a free account. It’s a bit annoying, but if you don’t create the free account, it will only partially convert your PDF rather than the entire document. Also, instead of only being able to upload only a 5 MB document, you can upload up to 100MB per file with an account.

First, choose a language and then pick the type of output formats you would like for the converted file. You have a couple of options and you can choose more than one if you like. Under Multipage document, you can select Page numbers and then choose only the pages that you want to convert. Then you select the file and click Convert!

After conversion, you’ll be brought to the Documents section (if you’re logged in) where you can see how many available free pages you have left and links to download your converted files. It seems like you only have 25 pages for free a day, so if you need more than that, you’ll have to either wait a bit or buy more pages.

Online OCR did an excellent job of converting my PDFs because it was able to maintain the actual layout of the text. In my test, I took a Word doc that used bullets, different font sizes, etc and converted it to a PDF. Then I used Online OCR to convert it back to Word format and it was about 95% the same as the original. That’s pretty impressive for me.

Plus, if you are looking to convert an image to text, then Online OCR can do that just as easily as extracting text from PDF files.

Free Online OCR

Since were talking about image to text OCR, let me mention another good website that works really well on images. Free Online OCR was very good and very accurate when extracting text from my test images. I took a couple of photos from my iPhone of pages from books, pamphlets, etc and I was surprised at how well it was able to convert the text.

Choose your file and then click the Upload button. On the next screen, there are a couple of options and a preview of the image. You can crop it if you don’t want to OCR the whole thing. Then just click the OCR button and your converted text will appear below the image preview. It also doesn’t have any limitations, which is really nice.

In addition to the online services, there are two freeware PDF converters I want to mention in case you need software running locally on your computer to perform the conversions. With online services, you’ll always need an Internet connection and that may not be possible for everyone. However, I noticed that the quality of the conversions from the freeware programs were significantly worse than those of the websites.

A-PDF Text Extractor

A-PDF Text Extractor is freeware that does an fairly good job of extracting text from PDF files. Once you download it and install it, click the Open button to choose your PDF file. Then click Extract text to start the process.

It’ll ask you a location to store the text output file and then it will begin extracting. You can also click on the Option button, which lets you choose only certain pages to extract and the extraction type. The second option is interesting because it extracts the text in different layouts and it’s worth trying all three to see which ones gives you the best output.

PDF2Text Pilot

PDF2Text Pilot does an ok job of extracting text. It doesn’t have any options; you just add files or folders, convert and hope for the best. It worked well on some PDFs, but for the majority of them, there were numerous issues.

Just click Add Files and then click Convert. Once the conversion is complete, click on Browse to open the file. You mileage will vary using this program so don’t expect much.

Also, it’s worth mentioning that if you are in a corporate environment or can get your hands on a copy of Adobe Acrobat from work, then you can really get much better results. Acrobat is obviously not free, but it has options to convert PDF to Word, Excel and HTML format. It also does the best job of maintaining the structure of the original document and converting complicated text.

Related posts

• Cómo combinar o fusionar varios archivos de texto

• El mejor visor de PDF alternativo gratuito a Adobe Reader

• Convierta una PC con Windows en una máquina virtual usando Hyper-V

• Cómo cambiar el color del icono de carpeta en Windows

• La mejor herramienta de desfragmentación gratuita para Windows es ella misma

• Los mejores administradores de portapapeles gratuitos para Windows

• Cómo sincronizar dos carpetas en tiempo real en Windows

• Copie archivos grandes a través de la red más rápido con TeraCopy

• Cómo PIN Text and Image A Clipboard History EN Windows 10

• Convertir directorio de Windows a listado HTML

• Cómo usar firmas HTML en Gmail, Hotmail, Yahoo

• El mejor software de código abierto que debería usar

• 10 herramientas útiles para guardar en su unidad flash USB

• Cómo grabar, copiar y hacer una copia de seguridad de un CD o DVD

• Cómo extraer iconos de archivos EXE, DLL, OCX y CPL

• Descargas esenciales de software gratuito para Windows

• Capture capturas de pantalla en intervalos de tiempo definidos automáticamente en Windows

• Cómo crear, montar y grabar archivos de imagen ISO de forma gratuita

• Divida o divida la pantalla de su escritorio en múltiples partes

• Asignar una carpeta a una letra de unidad en Windows