Dos PDF pueden parecer idénticos en la pantalla pero comportarse de manera completamente diferente. Se abre uno y puedes hacer clic en el texto, buscar una palabra, copiar un párrafo. El otro tiene el mismo aspecto, pero hacer clic no hace nada: el cursor no aterrizará en el texto, Ctrl+F no encuentra nada. La diferencia es si el PDF se creó digitalmente o escaneando un documento físico. Comprender esta distinción explica gran parte del comportamiento frustrante que las personas encuentran con los PDF.
Cómo se crea cada tipo
Un PDF digital se crea directamente desde el software: se exporta desde Word, se genera mediante un software de contabilidad, se produce mediante la función de impresión de un navegador web o se crea mediante cualquier aplicación que pueda generar PDF. El texto del archivo son datos de caracteres reales. La computadora conoce cada palabra, cada letra, cada espacio.
Un PDF escaneado se crea fotografiando o escaneando un documento físico. El escáner captura una imagen de la página: una cuadrícula de píxeles que parece texto pero no contiene datos de texto. El archivo es una fotografía envuelta en un contenedor PDF. La computadora ve una imagen, no palabras.
Cómo saber qué tipo tienes
La prueba más rápida: intenta seleccionar una palabra haciendo clic y arrastrando. En un PDF digital, el cursor cambia a un cursor de texto y se resaltan palabras individuales. En un PDF escaneado, no se resalta nada, o toda la página se selecciona como un bloque de imagen.
Una segunda prueba: presione Ctrl+F y busque una palabra que pueda ver en la página. En un PDF digital, se encuentra inmediatamente. En un PDF escaneado, la búsqueda no arroja nada. Un tercer indicador es el tamaño del archivo: un PDF escaneado suele ser mucho más grande que un PDF digital con el mismo contenido, porque almacena datos de imágenes en lugar de una codificación de texto eficiente.
Diferencias clave en la práctica
- Capacidad de búsqueda: los PDF digitales se pueden buscar completamente por contenido. Los PDFs escaneados son invisibles para la búsqueda; solo se pueden encontrar por nombre de archivo a menos que se haya aplicado OCR.
- Copiar y pegar: los PDFdigitales permiten seleccionar y copiar texto. Los PDFs escaneados no lo hacen; tendría que volver a escribir cualquier contenido que desee extraer.
- Tamaño de archivo: un documento de texto digital de 10 páginas suele tener entre 100 y 300 KB. Las mismas páginas que un escaneo en color a 300 ppp ocupan entre 20 y 40 MB, aproximadamente 100 veces más.
- Accesibilidad: los lectores de pantalla funcionan con PDF digitales. Los PDFs escaneados son completamente inaccesibles sin OCR: no hay texto que pueda leer el lector de pantalla.
- Calidad de impresión: digital PDFs se imprimen en cualquier tamaño sin pérdida de calidad porque el texto y los elementos vectoriales escalan infinitamente. Los PDFs escaneados se imprimen con una resolución fija: amplíe lo suficiente y los píxeles se vuelven visibles.
- Edición: digital PDFs se pueden editar con un PDF Editor: haciendo clic en el texto y cambiándolo directamente. Los PDFs escaneados solo se pueden editar colocando contenido nuevo encima de la imagen, no cambiando el contenido existente.
Reducir la brecha: qué hace el OCR
OCR (reconocimiento óptico de caracteres) cierra la mayor parte de la brecha entre los PDFs escaneados y digitales. Ejecutar un Escaneado PDF a través de una herramienta OCR agrega una capa de texto real al archivo: la imagen permanece visible, pero debajo el software ha reconocido e incrustado los caracteres reales. Después del OCR, el documento se puede buscar, copiar y acceder a lectores de pantalla.
El OCR no es perfecto: la precisión depende de la calidad del escaneo, la claridad de la fuente y el idioma. Pero para escaneos limpios de documentos mecanografiados en fuentes estándar, el OCR moderno es muy preciso y transforma un frustrante PDF de sólo imágenes en uno que se comporta como un documento digital adecuado. La herramienta OCR de WukongPDF en www.wukongpdf.com maneja esto sin necesidad de software de escritorio.
Qué tipo utilizar para diferentes propósitos
- Para documentos que usted mismo crea: cree siempre PDF digitales exportándolos desde la aplicación de origen. Nunca escanee una copia impresa de algo que haya creado digitalmente; eso agregaría una degradación innecesaria.
- Para documentos físicos que deben ser digitales: escanear es la única opción, pero ejecute OCR inmediatamente después para que el resultado sea tan útil como un PDF digital.
- Para archivar documentos importantes: si tiene la fuente digital original, archive el PDF digital. Si solo tiene un documento físico, escanéelo, aplique OCR, comprímalo y almacene la versión procesada con OCR.