Ejecutar OCR en un PDF en Mac es sencillo: la vista previa maneja casos básicos de forma nativa y un par de herramientas dedicadas cubren todo lo demás, incluidos documentos escaneados y procesamiento por lotes. Esto es lo que funciona y cuándo usar cada opción.
¿Mac tiene OCR integrado?
Sí, macOS ha tenido reconocimiento de texto integrado desde macOS Monterey (12.0). Se llama Live Text y funciona en todo el sistema, incluso en Vista previa. Abra un PDF escaneado en Vista previa y, a menudo, podrá seleccionar, copiar y buscar texto directamente: macOS reconoce el texto en la pantalla en tiempo real sin necesidad de ejecutar un paso de OCR por separado.
La limitación es que Live Text no incrusta una capa de texto en el archivo PDF; reconoce el texto únicamente para la interacción en pantalla. Si necesita un PDF con una capa de texto incrustada adecuada que se pueda buscar en otras aplicaciones, en otros dispositivos o en sistemas de administración de documentos, necesita una herramienta OCR PDF dedicada.
Cómo realizar OCR en un PDF en Mac usando WukongPDF
Abra la herramienta OCR PDF de WukongPDF en Safari. Cargue el PDF escaneado, seleccione el idioma del contenido del documento y haga clic en Convertir. La herramienta procesa cada página e incorpora una capa de texto con capacidad de búsqueda en la salida. Descargue el resultado: el PDF ahora admite la selección de texto, la búsqueda Ctrl+F y la indexación mediante cualquier sistema o aplicación que procese PDF.
Esto funciona en cualquier Mac, cualquier versión de macOS y no requiere instalación. Es particularmente conveniente para usuarios que sólo ocasionalmente necesitan OCR y no desean instalar software dedicado.
OCR en Mac con Adobe Acrobat
Adobe Acrobat Pro para Mac proporciona el mayor control sobre la configuración de OCR. Abra el PDF escaneado, vaya a Herramientas > Escanear y escanear OCR> Reconocer texto > En este archivo. Antes de ejecutar, haga clic en el engranaje de Configuración para elegir el idioma, el estilo de salida (imagen con capacidad de búsqueda o texto editable) y DPI. Haga clic en Reconocer texto para procesar el documento.
El estilo de salida de Imagen con capacidad de búsqueda mantiene la apariencia del escaneo original al tiempo que agrega una capa de texto oculta: la opción estándar para archivar. La opción Texto editable intenta reemplazar la imagen escaneada con texto redistribuido real, lo que funciona bien para documentos mecanografiados limpios, pero puede parecer desordenado en documentos con diseños complejos.
Opciones de OCR gratuitas en Mac
Varias opciones gratuitas funcionan bien en Mac. Tesseract es un potente motor OCR de código abierto que se puede instalar a través de Homebrew (brew install tesseract). Se ejecuta desde la Terminal y admite más de 100 idiomas. Para obtener una interfaz gráfica sobre Tesseract, PDF OCR X Community Edition es una aplicación gratuita para Mac que proporciona una interfaz de arrastrar y soltar para ejecutar OCR en PDF.
Para la mayoría de los usuarios, una herramienta OCR PDF basada en navegador es más accesible que Tesseract de línea de comandos, y la calidad de salida es comparable a la de los documentos impresos estándar.
Después de OCR: Comprimir la salida
Los archivos de salida de OCR a veces son un poco más grandes que los de entrada porque la herramienta incorpora datos de texto adicionales junto a la imagen original. Al ejecutar el PDF con capacidad de búsqueda a través de una herramienta de compresión PDF, el archivo vuelve a bajar sin afectar la capa de texto. Para los documentos escaneados que se guardan en un archivo a largo plazo, vale la pena realizar este paso de compresión antes de almacenarlos o cargarlos.