La gente suele utilizar "PDF" y "documento escaneado" indistintamente, especialmente en entornos de oficina donde alguien dice "simplemente escanéelo y envíe un PDF". Pero un PDF y un documento escaneado no son lo mismo, y combinarlos genera una verdadera confusión. Un escaneo se puede guardar como PDF, pero no todos los PDF son escaneos y la diferencia tiene importantes consecuencias prácticas.
Qué es realmente un PDF
PDF significa formato de documento portátil. Es un formato de archivo, un contenedor que puede contener muchos tipos diferentes de contenido: texto real, gráficos vectoriales, imágenes, hipervínculos, campos de formulario, marcadores y más. El formato PDF fue diseñado para representar documentos de manera consistente en cualquier dispositivo o sistema operativo.
Un PDF creado a partir de un documento de Word contiene texto real: caracteres que la computadora puede leer, buscar, copiar y procesar. Un PDF creado a partir de una hoja de cálculo de Excel contiene datos reales. Un PDF generado por un navegador contiene contenido de página web real. En cada caso, el PDF es un documento estructurado con contenido genuino, no una fotografía.
Qué es un documento escaneado
Un documento escaneado es una fotografía de una página física. Un escáner captura la luz reflejada en el papel y la convierte en una cuadrícula de píxeles: una imagen rasterizada. El archivo resultante es una imagen del documento, no el documento en sí. Cualquier texto visible en el escaneo existe solo como píxeles de colores dispuestos para que parezcan letras.
Cuando ese escaneo se guarda como PDF, obtienes un archivo PDF, pero cuyo contenido es una imagen, no texto. El contenedor PDF es real, pero lo que hay dentro es una fotografía. Esto se denomina PDF de solo imagen o PDF escaneado y se comporta de manera muy diferente a un PDF con contenido de texto real.
Por qué existe la confusión
La confusión proviene del hecho de que los documentos escaneados generalmente se guardan como PDF. Los escáneres y las aplicaciones de escáner suelen generar archivos .pdf de forma predeterminada. Entonces, cuando alguien recibe un "PDF", Es posible que hayan recibido un PDF digital con texto real o un PDF escaneado con contenido de imagen, y ambos se ven idénticos en la pantalla.
La distinción sólo se vuelve evidente cuando intentas hacer algo con el archivo. Intenta buscar una palabra. Intenta copiar una frase. Intente utilizar un lector de pantalla. Un PDF digital maneja todo esto. Un PDF escaneado no maneja ninguno de ellos, a menos que se haya aplicado OCR para agregar una capa de texto.
Las diferencias prácticas que importan
- Capacidad de búsqueda: los PDFdigitales se pueden buscar completamente. Los PDFs escaneados no arrojan resultados a menos que se haya aplicado OCR.
- Tamaño de archivo: digital PDFs son compactos: un documento de texto de 10 páginas suele tener menos de 500 KB. Los PDFs escaneados almacenan imágenes de páginas y suelen ser entre 10 y 100 veces más grandes.
- Copiar y pegar: puede seleccionar y copiar texto desde un PDF digital. No es posible desde un PDF escaneado: al intentar seleccionar texto, se selecciona la imagen de toda la página.
- Edición: digital PDFs puede editar el texto directamente con un editor de PDF. Los PDFs escaneados solo pueden tener contenido nuevo colocado en la parte superior; el contenido de la imagen existente no se puede cambiar.
- Accesibilidad: los lectores de pantalla funcionan con PDF digitales. Los PDFs escaneados son completamente inaccesibles para la tecnología de asistencia sin una capa de texto OCR.
Cómo saber qué tipo tienes
Abra el PDF e intente hacer clic en una palabra. En un PDF digital, el cursor se convierte en un cursor de texto y puede seleccionar palabras individuales. En un PDF escaneado, no sucede nada o toda la página se selecciona como un bloque.
Presione Ctrl+F y busque una palabra que pueda ver en la página. Si se encuentra, el PDF tiene texto real. Si la búsqueda no arroja nada, es solo imagen. Un tercer indicador es la calidad del zoom: hacer zoom en un PDF digital mantiene el texto nítido con cualquier aumento, mientras que hacer zoom en un PDF escaneado revela pixelación a medida que se amplía la imagen.
Hacer un PDF escaneado Compórtate como uno digital
OCR (Reconocimiento óptico de caracteres): lee las imágenes en un PDF escaneado, reconoce los caracteres del texto y agrega una capa de texto real al archivo. Después del OCR, el documento se puede buscar, copiar y acceder. La herramienta OCR de WukongPDF en www.wukongpdf.com hace esto sin software de escritorio: cargue el PDF escaneado, ejecute OCR, descargue una versión que ahora tiene texto real. No convertirá un PDF escaneado en un documento digital nativo, pero cierra la mayor parte de la brecha práctica.