Cómo recuperar el texto de documentos escaneados

Por Sofia Pichihua

Publicado el 30 de enero del 2012

Libros, resoluciones judiciales, boletines, o cualquier otro tipo de documento de varias páginas que ha sido almacenado en un PDF puede convertirse en un archivo editable de Microsoft Word. Lo mismo ocurre con los PDF que han sido protegidos (no puede copiarse el contenido). Los periodistas pueden necesitar el texto de estos materiales para editarlo, resaltarlo, recoger algunas citas y mucho más.

En un anterior post recomendamos FineReader para obtener información de una sola imagen. Sin embargo, también hay una opción para ‘leer’ el texto de un archivo con varias páginas.

Después de instalarlo en la versión de prueba, aparecerá la ventana “Tareas”. Haz clic en la segunda opción llamada “Archivo a Microsoft Word”. Se abrirá una pestaña para que elijas el documento en PDF/imagen. El programa lo reconocerá:

Luego se abrirá una ventana de Word con el documento:

El reconocimiento por defecto detectará imágenes, tablas y texto. Si deseas editar estas opciones, solo debes revisar cada página. Encontrarás que algunas zonas del archivo aparecerán resaltadas en verde y otras en rojo.

El color verde representa Texto y el rojo, Imagen. También puedes encontrar Tablas (color azul).

Para actualizar la revisión de esa página solo haz clic en el botón “Leer” (mira la imagen anterior).

¿Qué les parece? Si quieren obtener este software. Clases de Periodismo y ABBYY van a sortear tres licencias de este programa. La primera será obsequiada a un lector del blog. Solo debes enviar un comentario con tu opinión sobre la utilidad de FineReader. Si haz probado la versión de prueba, no dejes de agregar tus dudas sobre su funcionamiento. Anunciaremos al ganador mañana a las 10 a.m. (hora peruana).

ACTUALIZADO: Nuestra lectora Antonieta Corrales ganó el sorteo. Le enviaremos un email. ¡Gracias a todos por participar!