Por qué no se puede copiar el texto de un PDF escaneado y cómo solucionarlo desde un teléfono Android

El buscador no encuentra una palabra que está a la vista, el cursor no selecciona nada y el lector de pantalla se queda en silencio. El documento no está dañado: es una imagen. El reconocimiento de texto, que hoy funciona en el propio teléfono Android, es lo que lo convierte en un PDF de verdad.

La escena es conocida. Un contrato de cuarenta páginas, una búsqueda con la palabra "rescisión" y cero resultados, aunque el término aparece impreso en la tercera hoja. O un párrafo que hay que citar y que el cursor se niega a seleccionar. El texto está ahí para el ojo humano, pero no para la máquina.

Un PDF escaneado es una foto

El formato PDF es un contenedor. Puede guardar texto real, caracteres, con su tipografía y su posición en la página, o puede guardar simplemente una imagen de la hoja. Un documento exportado desde un procesador de texto es del primer tipo. Uno que salió de un escáner, o de la cámara del celular, es del segundo: cada página es una fotografía envuelta en formato de documento.

Las consecuencias van más allá de la incomodidad. En un PDF de imagen no funciona la búsqueda, no se puede copiar un fragmento, los lectores de pantalla que usan las personas con discapacidad visual no tienen nada que leer y los sistemas que indexan archivos lo tratan como si estuviera vacío.

Qué hace el OCR

El reconocimiento óptico de caracteres, OCR por su sigla en inglés, es el proceso que recorre esa imagen, identifica líneas, palabras y letras, y las traduce a texto. Los motores actuales se apoyan en redes neuronales entrenadas con millones de ejemplos, lo que les permite lidiar con tipografías variadas, páginas algo torcidas o impresiones desparejas.

El resultado más útil es lo que se conoce como PDF buscable. El documento conserva la imagen original, de modo que se ve exactamente igual que antes, pero debajo de ella se agrega una capa de texto invisible, alineada palabra por palabra. A partir de ese momento la búsqueda encuentra, el cursor selecciona y el lector de pantalla lee.

Copiar un fragmento no es lo mismo que convertir el documento

Para rescatar un dato puntual existen atajos que ya vienen en los teléfonos Android. Google Lens permite apuntar la cámara a un papel, o abrir una foto de la galería, y copiar lo que dice. En la computadora, Google Drive puede abrir un PDF escaneado con Documentos de Google y extraer su contenido, aunque se pierde el diseño original.

Son soluciones prácticas para un número de teléfono o un párrafo. Cuando lo que se necesita es que el documento completo quede buscable y se conserve como archivo, hace falta una herramienta que genere el PDF con su capa de texto: programas de escritorio como Adobe Acrobat, utilidades de código abierto como OCRmyPDF o aplicaciones móviles.

OCR en el teléfono, sin subir el archivo

Hasta hace pocos años, este proceso exigía una computadora o un servicio en la nube. Los teléfonos actuales tienen potencia suficiente para hacerlo de forma local. Un ejemplo es NAPDF, una aplicación gratuita para Android: la función de reconocimiento de texto de NAPDF toma un PDF escaneado, lo procesa en el dispositivo y guarda un documento nuevo en el que se puede buscar y copiar. La app aclara en su sitio que el archivo no sale del teléfono y que el motor reconoce el alfabeto latino y el devanagari, la escritura del hindi.

Que el procesamiento sea local no es un detalle menor. Los documentos que más se escanean son contratos, historias clínicas, identificaciones y comprobantes. Enviarlos a un convertidor online implica dejar una copia, aunque sea temporal, en el servidor de un tercero.

Lo que el OCR no resuelve

La calidad del resultado depende de la calidad de la imagen. Un escaneo a 300 puntos por pulgada, que es la recomendación habitual para texto, con la hoja derecha y buen contraste, se reconoce casi sin errores. Una foto oscura, inclinada o con sombras produce un texto lleno de tropiezos.

Hay además límites propios de la técnica. La escritura manuscrita, los sellos estampados sobre el texto y las tablas con letra muy pequeña siguen siendo terreno difícil. Y son frecuentes las confusiones entre caracteres parecidos: el cero y la letra O, el uno y la ele minúscula, el cinco y la S.

Por eso, antes de copiar un monto, un número de documento o un nombre propio desde un PDF reconocido, conviene cotejarlo con la imagen, que sigue estando ahí como referencia. El OCR vuelve legible el documento para la máquina; la última revisión sigue siendo humana.

Información vigente al 20 de septiembre de 2026.