Detectar si un PDF está escaneado

Analiza un PDF para estimar si proviene de un escaneo (imágenes en las páginas, ausencia de fuentes, índices CCITT/JBIG2) y exporta el diagnóstico en JSON, localmente en tu navegador.

Importar un PDF

No se envían datos a un servidor: todo se realiza en tu navegador.

← Volver a las herramientas PDF

Casos de uso

Decidir sobre un OCRSaber rápidamente si el OCR es necesario antes de la indexación/búsqueda de texto completo.
Control de accesibilidadIdentificar PDFs "imágenes" no seleccionables (a menudo no accesibles) que necesitan corrección.
Pipeline de extracciónEnrutar automáticamente los documentos: extracción directa si hay texto presente, OCR de lo contrario.
QA de escaneoDetectar páginas de mala calidad (muy poco texto, imágenes dominantes) en un lote de escaneos.

Lo que obtienes

Un diagnóstico JSON por página: presencia de texto, proporción de contenido de imagen, indicadores de "escaneo" (según heurísticas).

Indicadores para priorizar el OCR (páginas a procesar, páginas ya utilizables).

Límites y puntos de atención

Detección heurística: algunos PDFs gráficos (catálogos, diapositivas) pueden parecer escaneos sin serlo.
Algunos PDFs pueden contener "texto oculto" (OCR ya realizado): la herramienta lo detecta, pero la calidad puede variar.
La calidad real del OCR dependerá de la resolución, el contraste y el idioma — no evaluados finamente aquí.

Preguntas frecuentes

¿Un escaneo puede contener texto seleccionable?

Sí, si se ha aplicado un OCR: la imagen permanece, pero se añade una capa de texto.

¿La herramienta realiza el OCR?

No. Detecta y diagnostica. El OCR es un paso separado.

¿Por qué una página está clasificada como “escaneo” aunque veo texto?

El texto visible puede ser una imagen (renderizado), no texto vectorial. El diagnóstico se basa en el contenido interno.

Consejo

Antes de invertir tiempo en la extracción, detecte los escaneos: es la forma más sencilla de evitar "cazar" texto que no existe sin OCR.