Qué hacer cuando el texto extraído de un PDF sale con caracteres rotos
Puntos clave
- Según cómo estén incrustadas las fuentes, la extracción puede fallar
- Los datos de texto pueden diferir de lo que se muestra
- Rehacer el PDF desde el original suele resolverlo
Tras extraerlo, el texto aparece con símbolos ilegibles o caracteres erróneos. La causa está en cómo se creó el PDF.
Causas
- La información de la fuente está incrustada de un modo especial, por lo que los datos de texto no coinciden con los caracteres mostrados
- El programa que creó el PDF convirtió el texto en formas (contornos)
- Se usa un formato antiguo o una fuente japonesa especial
Qué hacer
- Si tienes el archivo original (como Word), vuelve a crear el PDF.
- Ábrelo en otro visor de PDF (un navegador, Vista Previa, etc.) y prueba a copiar el texto allí.
- Si aun así no puedes extraerlo, convierte el PDF en imágenes y usa OCR. (Esta herramienta no tiene OCR.)
Comprobación
Comprueba si solo una parte o todo el texto sale ilegible. Si es solo una parte, quizá puedas corregirla a mano.
Usar «Extraer texto de un PDF» (gratis)Herramientas que combinan bien con esta
- PDF a imágenes: guarda cada página de un PDF como imagen JPEG o PNG.
- Extraer o eliminar páginas de un PDF: conserva solo las páginas que necesitas o elimina las que no.
- Comprimir PDF: reduce un PDF por debajo del tamaño que elijas, para los límites de subida.
Si esta guía te ha servido, una pequeña propina significaría mucho para nosotros.
Dar una propina (300 ¥)Enviar un regalo (lista de deseos de Amazon)Más guías de esta herramienta
- Cómo copiar y extraer el texto de un PDF
- Por qué no se puede extraer texto de un PDF (PDF escaneados)
- Cómo copiar el texto de un PDF a Word o a notas
- Consejos para usar el texto de un PDF en estudios e informes
- ¿Conviene añadir marcadores de página? Cómo elegir entre activarlos o no
- Cómo extraer el texto de un PDF sin enviar el archivo a ningún sitio