{"id":355,"date":"2023-05-20T23:49:03","date_gmt":"2023-05-20T23:49:03","guid":{"rendered":"https:\/\/campusvirtual.net\/escritos\/?p=355"},"modified":"2024-06-28T19:24:02","modified_gmt":"2024-06-28T19:24:02","slug":"ocr-archivos-pdf-con-capacidad-de-busqueda","status":"publish","type":"post","link":"https:\/\/campusvirtual.net\/escritos\/2023\/05\/20\/ocr-archivos-pdf-con-capacidad-de-busqueda\/","title":{"rendered":"OCR. Archivos PDF con capacidad de b\u00fasqueda"},"content":{"rendered":"
\n
\n
\n
\n

Para trabajar con Chatbots de IA y con programas como Zotero,\u00a0<\/strong><\/span> es conveniente que los archivos PDF\u00a0 tengan \u201ccapacidad de b\u00fasqueda\u201d de texto.<\/strong><\/span><\/p>\n<\/div>\n

\n

Es frecuente que los archivos PDF de documentos, libros, escritos, solo contengan im\u00e1genes de los documentos escaneados. Es el caso de los expedientes electr\u00f3nicos del SISE.<\/span><\/p>\n<\/div>\n

\n

Si bien se puede leer esos documentos PDF en Zotero, como son solo imagen, no es posible realizar b\u00fasquedas, seleccionar y copiar texto.<\/span><\/p>\n<\/div>\n

\n

Lo ideal es realizar Reconocimiento \u00d3ptico de Caracteres (OCR)<\/strong> para obtener un PDF con texto seleccionable, copiable y con capacidad de b\u00fasqueda.<\/strong><\/span><\/p>\n<\/div>\n

\n

El OCR en un PDF no altera las im\u00e1genes, el texto queda \u201cincrustado\u201d en el PDF como una capa invisible.<\/span><\/p>\n

Adicionalmente, para trabajar con Chatbots IA en l\u00ednea\u00a0 (Claude, ChatGPT, Gemini etc) con documentos que contienen datos personales o confidenciales, se deben eliminar ese tipo de datos. \u00bfPor qu\u00e9? Porque se pierde el control de los archivos subidos y no se pueden eliminar; adem\u00e1s las empresas pueden esos datos para entrenar sus modelos.\u00a0<\/strong><\/p>\n

Para eliminar datos personales en documentos PDF se deben editar las imagenes antes de realizar el OCR en los mismos Chatbots, o bien, realizar OCR del documento\u00a0 y eliminar las palabras, o frases de datos personales.<\/p>\n

 <\/p>\n<\/div>\n

\n

\n<\/div>\n

\n

Diagrama del proceso OCR:<\/strong><\/span><\/h3>\n<\/div>\n
\"\"\"image\"<\/div>\n

<\/span>SOFTWARE OCR PARA PDF<\/span><\/h1>\n
\n

\n<\/div>\n

\n

En los siguientes videos (de terceros) se explica en qu\u00e9 consiste el OCR, y las distintas alternativas de software que realizan OCR.<\/span><\/p>\n<\/div>\n

\n

\n<\/div>\n

<\/span>Programas PDF OCR profesionales<\/span><\/span><\/h2>\n
\n

Pros<\/strong>: OCR de alta calidad; velocidad de OCR; capacidad realizar proceso OCR en muchos archivos al mismo tiempo; seguridad. <\/span><\/p>\n<\/div>\n

\n

Contras<\/strong>: Precio<\/span><\/p>\n<\/div>\n

\n\n\n\n\n\n
\n
ABBYY FineReader PDF<\/span><\/div>\n<\/td>\n
\n
MX$ 3,300 al a\u00f1o<\/span><\/div>\n<\/td>\n<\/tr>\n
\n
Adobe Acrobat Pro<\/span><\/div>\n<\/td>\n
\n
MX$ 6,600 al a\u00f1o<\/span><\/div>\n<\/td>\n<\/tr>\n
\n
Power PDF<\/strong> kofax.com<\/span><\/div>\n<\/td>\n
\n
MX$ 2,450 una sola vez<\/span><\/div>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n
\n

 <\/p>\n

Un programa eficiente es Power PDF<\/strong><\/span><\/p>\n<\/div>\n

\n

Puedes descargar una versi\u00f3n de prueba de PowerPDF, de 15 d\u00edas:<\/span><\/p>\n<\/div>\n

\n

https:\/\/www.tungstenautomation.com\/products\/power-pdf\/standard-free-trial<\/a><\/p>\n<\/div>\n

\n

\n<\/div>\n

\n

\n<\/div>\n

<\/h1>\n

<\/span>Servicios online gratis<\/strong><\/span><\/span><\/h1>\n
\n

https:\/\/tools.pdf24.org\/es\/ocr-pdf<\/a><\/span><\/p>\n<\/div>\n

\n

Pros<\/strong>: gratis.<\/span><\/p>\n<\/div>\n

\n

Contras<\/strong>: NO hay control sobre el destino del archivo.<\/span><\/p>\n<\/div>\n

\n

OCR de media o baja calidad. No es recomendable usar servicios en l\u00ednea para documentos legales en resguardo de los juzgados.<\/span><\/p>\n<\/div>\n

\n
\n
\n