Quitar texto oculto de PDF
Elimina capas OCR invisibles mal reconocidas o duplicadas
Los archivos se procesan solo en este navegador. No se suben a ningún servidor.
Elimina solo la capa OCR invisible mal reconocida o duplicada detrás de un escaneo
Este PDF está protegido con contraseña.
Seguir en otra herramienta
Procesando…
Todo se ejecuta dentro de este navegador. Tu archivo nunca se envía a un servidor.
Tu archivo está listo para descargar
Seguir con este resultado
Abrir vista previa de páginas
Al cambiar un ajuste se oculta el resultado anterior. Vuelve a generarlo para guardar los ajustes actuales.
Quita primero la contraseña de un PDF cifrado. El procesamiento se centra en el contenido de las páginas, por lo que no se garantiza conservar marcadores, adjuntos, formularios ni firmas. Conserva el original y revisa el resultado.
Procesando…
0.0
No se ha bloqueado: el resultado aparecerá cuando termine el cálculo.
Acerca de Quitar texto oculto de PDF
Un PDF escaneado en el que se puede buscar suele tener dos capas. Lo que ves es la imagen del escaneo; encima, en las mismas posiciones, está el texto que reconoció el OCR, dibujado de forma invisible. La especificación PDF lo expresa con el modo de representación de texto 3: ni relleno ni trazo.
Cuando el OCR se equivocó, o se añadió una segunda capa de texto sobre la primera, las búsquedas y el copiar y pegar dejan de coincidir con lo que muestra la página. Esta herramienta borra ese texto invisible y deja la imagen escaneada idéntica byte a byte, normalmente como paso previo a volver a pasar el OCR.
Qué se elimina y si desaparece de verdad del archivo
La herramienta analiza el flujo de contenido de cada página —y los Form XObject que la página invoca— en objetos de texto (BT … ET), y elimina un objeto cuando todas sus órdenes de dibujo de texto se ejecutan en modo 3. El modo forma parte del estado gráfico —pasa de un BT/ET al siguiente y q/Q lo guardan y restauran—, así que la herramienta lo sigue por todo el flujo (y entre los varios flujos de una página). También se eliminan los objetos que heredan el 3 Tr de uno anterior, y las órdenes de estado que fijaba el objeto borrado, como la fuente y el modo, se quedan en su sitio para que lo que viene después se dibuje igual que antes. El flujo editado se vuelve a comprimir con el mismo número de objeto y se reescribe el archivo completo, así que el texto borrado no queda como revisión anterior al final del archivo. Si abres el resultado con un editor de texto, esas cadenas ya no están.
Algunas cosas sí quedan: los objetos de fuente que usaba la capa OCR siguen en los recursos de la página, y la información del documento y los metadatos XMP no se tocan. Cómo encajan flujos, objetos y revisiones se explica en la guía Cómo funciona un archivo PDF.
Texto oculto que esta herramienta no detecta
Solo se detecta el modo de representación 3. Estos casos se quedan como están:
- Texto blanco sobre fondo blanco, texto de tamaño minúsculo (0,1 pt) o colocado fuera de la página
- Texto normal tapado por una imagen
- Texto dentro de un Form XObject que no fija el modo y solo es invisible porque hereda el 3 Tr del contenido que llama al formulario (los formularios se revisan como si empezaran en modo 0, así que ese texto se conserva)
- Objetos que mezclan texto visible y texto en modo 3, por ejemplo los que primero dibujan texto visible y después cambian al modo 3: se conserva el objeto entero para no perder texto visible
Ejemplos
Un contrato de 20 páginas pasado dos veces por OCR
- Entrada
Cada búsqueda aparece dos veces y al copiar sale el texto duplicado, como «contrato contrato»- Resultado
Se eliminan todos los objetos de texto invisibles y queda un PDF escaneado sin texto seleccionable
Las dos capas OCR usan el modo 3, así que se van las dos. No se puede conservar una y quitar la otra: pasa el OCR una sola vez sobre el resultado para tener una capa limpia.
Cómo se usa
- Elige el PDF escaneado. Se procesan todas las páginas y la vista previa muestra el resultado en cuanto se carga.
- Ejecuta y revisa en el resumen cuántos objetos de texto se quitaron y cuántos flujos cambiaron.
- Abre el resultado: debe verse igual pero sin texto seleccionable. Vuelve a pasar el OCR si necesitas buscar.
Preguntas frecuentes
Dice que se eliminaron cero objetos.
Probablemente el texto está oculto de otra forma —texto blanco, detrás de una imagen— o el modo solo lo fija el contenido que llama a un Form XObject. Eso queda fuera de lo que hace esta herramienta.
¿Pierde calidad el escaneo?
No. Los objetos de imagen no se abren, así que los píxeles y la compresión son los mismos.
¿Sirve para quitar datos personales ocultos antes de compartir?
Para el texto en modo 3, sí: se elimina del archivo, no solo se oculta. El texto escondido por otros medios y los metadatos se quedan, así que para copias públicas pasa también el limpiador de metadatos.
¿Puedo ver qué se va a borrar antes de ejecutar?
Sí. Al cargar el archivo se hace la misma eliminación por adelantado, y el texto que está en el original pero no en la copia limpia se marca con recuadros rojos en la página y en una lista. Vista previa y resultado salen del mismo cálculo.
¿Funciona con PDF creados con la herramienta OCR de este sitio?
Sí. Esa herramienta también coloca el texto reconocido en modo 3, así que puedes quitarlo aquí y volver a pasar el OCR con otro idioma.
Fuentes
Revisado el: