Capa de texto
Qué es una capa de texto, cómo entra en un documento y por qué determina si un PDF es realmente buscable.
Una capa de texto es el texto legible por máquina almacenado en una página PDF, separado de su aspecto visual. Cuando un visor busca, selecciona o copia texto, lee la capa de texto y no los píxeles. Una página sin capa de texto es solo una imagen, aunque muestre palabras.
En los PDF exportados desde un procesador de textos o desde el navegador, el texto visible y la capa de texto son los mismos objetos. En las páginas escaneadas y en las capturas, el contenido visible es una imagen, y el OCR añade una capa de texto independiente e invisible encima. La especificación PDF incluye un modo de renderizado de texto que no rellena ni traza los glifos, así que este texto está presente pero no se dibuja.
Capa de texto frente a texto visible
| Texto visible | Capa de texto | |
|---|---|---|
| Lo que ve el lector | Sí | Solo si se dibuja |
| Buscable | Solo a través de la capa de texto | Sí |
| Origen | Fuentes o píxeles de la imagen | Texto del documento u OCR |
Una página puede verse perfecta y no tener capa de texto, o tener una capa de texto llena de errores de OCR detrás de una imagen limpia.
Dónde importa la capa de texto
- Búsqueda en archivos de documentos escaneados o capturados.
- Copia de citas, números y código desde PDF.
- Lectores de pantalla y herramientas de indexación.
- Herramientas de traducción y resumen que leen el texto de los PDF.
Cómo se crea una capa de texto
- Desde el origen: exportar desde una app escribe objetos de texto reales.
- Desde OCR: el software reconoce los caracteres de la imagen y después los escribe como texto invisible en posiciones y tamaños coincidentes.
- Desde la edición: algunos editores de PDF añaden o corrigen texto manualmente.
La calidad del OCR depende de la resolución, el contraste, la tipografía y el idioma. Una captura 2x suele dar mejores resultados que una imagen 1x muy comprimida.
Errores comunes con la capa de texto
- Comprobar un PDF a simple vista y suponer que es buscable.
- Ejecutar OCR dos veces, lo que puede apilar capas de texto duplicadas.
- Aplanar o imprimir un PDF como imagen, lo que elimina la capa de texto.
- Confiar en el texto del OCR sin revisar números y nombres.
¿Quieres convertir páginas en un PDF?
Temposhot añade una capa de texto OCR cuando exporta una sesión de captura como PDF. Para imágenes existentes, usa la Screenshot to Searchable PDF. Consulta guardar capturas de pantalla como PDF en Mac.
Preguntas frecuentes
¿Cómo compruebo si hay una capa de texto?
Busca una palabra visible o intenta seleccionar texto. Si ninguna de las dos cosas funciona, no hay capa de texto.
¿Puedo editar una capa de texto?
Sí, en editores de PDF que admitan la corrección de OCR o la edición de texto.
Fuentes
Recursos relacionados
- Captura de pantalla a PDF buscable: añade una capa de texto en el navegador.
- Extraer texto de una imagen: lee el texto de una sola imagen.
- Formatos de exportación: exportación de PDF buscable.
¿Repites las mismas capturas de pantalla una y otra vez?
Temposhot captura una pantalla, una ventana o un área con temporizador y exporta el conjunto como PDF, imágenes, ZIP o MP4. Las herramientas gratuitas para navegador solo sirven para imágenes sueltas.
Recursos relacionados
Términos relacionados
- PDF buscableQué hace que un PDF sea buscable, cómo comprobar si el tuyo lo es y los errores comunes al trabajar con PDF solo de imagen.
- OCRQué es el OCR, cómo funciona, dónde se usa y los errores comunes al hacer buscables las capturas y los escaneos.
- PDF solo de imagenQué es un PDF solo de imagen, por qué limita la búsqueda y la accesibilidad, y cómo convertirlo en un PDF buscable.
- PDF etiquetadoQué es un PDF etiquetado, por qué importa para la accesibilidad y en qué se diferencia de un PDF buscable.