5 servicios web de OCR (para extraer el texto de imágenes o PDF)

El siguiente texto es un resumen de este post publicado en Geekazos.

1. Google Docs

Google Docs es un servicio de almacenamiento y edición de documentos, presentaciones y hojas de cálculo online con muchas funciones. Para usarlo cual necesitarás una cuenta de Gmail. Una vez estés usándola, en la pantalla principal elige Upload > Files.

En la ventana que se abre, elige el idioma en el que está el documento para un mejor reconocimiento y asegúrate de que está marcada la opción Convert text from PDF and image files to Google documents. Después, presiona Start upload.

Finalmente, el documento se incluirá en tu Google Docs. Primero se incluye el documento como imagen, añadiendo en las páginas siguientes el texto que haya encontrado. El resultado es bastante bueno, reconociendo formato básico como negritas y cursivas.

2. Free Online OCR

Si lo único que quieres es subir tu PDF (o imagen) y obtener el texto, sin más este servicio puede interesarte. El proceso consta de dos únicos pasos. Primero, elige el archivo en tu disco duro, y después en qué formato quieres el resultado, pudiendo elegir entre PDF, TXT, DOC y RTF. En unos segundos podrás descargar el resultado a tu ordenador.

El resultado es aceptable, aunque peor que Google Docs. Algunos párrafos los omite por completo, aunque a cambio intenta generar un documento DOC manteniendo el formato original, cosa que no pasa en el anterior.

3. NewOCR

Otra alternativa es NewOCR, más sobrio y con algo más de publicidad, pero que en cierto modo va más al grano. Lo malo: extrae el texto sin formato.

Eso sí, en cuanto a los resultados, parece reconocer bastante mejor el resultado que Free Online OCR, y más o menos igual que Google Docs.

4. Free Online OCR

Free Online OCR tiene una versión gratuita y una de pago. La diferencia radica en una serie de limitaciones incluidas en la versión gratuita. Sólo puedes convertir 15 imágenes en una hora, el tamaño del archivo máximo es de 4 Mb, y no puedes subir varias imágenes en un ZIP.

Aún con eso, es válido y funcional. El proceso consta de dos partes, subir la imagen y después -tras introducir un CAPTCHA- iniciar el reconocimiento.

Después el resultado se mostrará como texto plano, aunque también lo puedes descargar en el formato que eligieras: DOC, XLS o TXT.

Sorprendentemente, el resultado es de los mejores, superando con creces a todos los anteriores. No sólo reconoce el texto perfectamente, sino que lo muestra en un archivo DOC respetando la maquetación original (si bien las imágenes aparecen en blanco y negro). Ideal si tu documento tiene tiene un diseño especial que vuelve locos a los demás.

5. Free OCR

Este servicio permite obtener el texto de una imagen sin formato. El resultado es normal tirando a malo, y con nuestro PDF de prueba -el mismo que funcionó en todos los servicios anteriores- no encontró nada. Después de ponérselo más fácil con otra imagen, sí ha funcionado, aunque muestra bastante texto incomprensible y no reconoce bien caracteres no ingleses.