PDF con texto ilegible o caracteres extraños: causas y soluciones

Abres un PDF y en lugar de texto legible encuentras una sopa de símbolos, cuadrados, interrogaciones o letras completamente aleatorias. No te has vuelto loco, y el archivo probablemente no está corrupto: lo que tienes es un problema de codificación o de fuentes. Aquí te explicamos qué está pasando y cómo recuperar el texto.

¿Por qué aparecen caracteres extraños en un PDF?

El texto ilegible en PDF tiene tres grandes culpables. Entender cuál es el tuyo te ahorrará mucho tiempo dando palos de ciego.

Causa 1: Las fuentes no están incrustadas en el documento

Cuando alguien crea un PDF con una tipografía especial que no está instalada en tu sistema, el lector tiene dos opciones: usar una fuente sustituta o mostrar basura. La mayoría de las veces opta por la sustitución, pero si la fuente original tenía caracteres especiales o mapeos poco convencionales, el resultado es texto incomprensible.

Para diagnosticarlo: abre el PDF en Adobe Acrobat Reader, ve a Archivo > Propiedades > Fuentes. Si ves fuentes listadas sin la etiqueta “(Incrustada)”, ahí está el problema. Lo mismo puedes comprobar con herramientas online de análisis de PDF.

• Solución inmediata: Pide al creador del documento que lo regenere asegurándose de incrustar todas las fuentes en el momento de exportar.
• Solución alternativa: Convierte el PDF a imagen y luego aplica OCR para extraer el texto (explicado más abajo).

Causa 2: Problemas de codificación de caracteres

El formato PDF puede almacenar texto usando distintos sistemas de codificación: WinAnsi, MacRoman, UTF-8, entre otros. Si el documento fue creado con una codificación que tu lector no interpreta correctamente, los caracteres aparecerán como símbolos sin sentido. Esto es especialmente común en documentos creados hace muchos años o con software de diseño antiguo.

También ocurre con idiomas que usan caracteres no latinos, aunque en este contexto lo relevante son los acentos, eñes y otros caracteres propios del español y otros idiomas europeos.

• Diagnóstico: Intenta copiar y pegar el texto en un editor de texto. Si el texto pegado también muestra caracteres extraños, el problema está en la codificación del PDF.
• Solución: Abre el PDF con Adobe Acrobat (versión completa, no Reader), ve a Herramientas > Editar PDF y comprueba si puedes seleccionar el texto correctamente. Si puedes, guarda como nuevo PDF para normalizar la codificación.

Causa 3: PDF escaneado sin OCR

Este es el caso más frecuente en documentos de oficina. Alguien escaneó un papel y guardó la imagen como PDF. El archivo no contiene texto real, solo una fotografía de palabras. Al intentar seleccionar o copiar el texto no pasa nada, y si el escáner estaba mal calibrado o el papel tenía manchas, la imagen puede ser directamente ilegible.

El OCR (Reconocimiento Óptico de Caracteres) es el proceso que convierte esa imagen en texto real y seleccionable.

Cómo diagnosticar si tu PDF tiene texto real o solo imágenes

1. Abre el PDF en cualquier lector.
2. Intenta seleccionar una palabra con el cursor.
3. Si puedes seleccionar texto, el documento tiene texto real (el problema es de codificación o fuentes).
4. Si no puedes seleccionar nada o el cursor se convierte en una mano, el PDF es solo una imagen.
5. Otra pista: comprueba el tamaño del archivo. Un PDF escaneado de varias páginas suele pesar varios megabytes; un PDF con texto real de las mismas páginas puede pesar solo unos kilobytes.

Cómo reparar el texto ilegible

Método 1: Aplicar OCR al PDF

Si el PDF es una imagen escaneada, la solución es aplicar OCR para extraer el texto:

1. Usa Adobe Acrobat (versión completa): abre el PDF y ve a Herramientas > Escanear y OCR > Reconocer texto.
2. Elige el idioma del documento para mejorar la precisión del reconocimiento.
3. Guarda el PDF resultante, que ahora tendrá texto seleccionable.
4. Si no tienes Acrobat, existen herramientas online que hacen OCR sobre PDFs y devuelven el texto o un nuevo PDF con el contenido reconocido.

Método 2: Reconvertir el documento

Si tienes acceso al documento original (Word, InDesign, etc.), regenera el PDF asegurándote de incrustar todas las fuentes y usar codificación UTF-8 o Unicode. Esta es siempre la solución más limpia.

Método 3: Convertir a otro formato y volver a PDF

A veces, convertir el PDF problemático a Word o a texto plano y luego volver a exportarlo como PDF es suficiente para normalizar el texto. Este método funciona bien cuando el texto es accesible pero está mal codificado.

Un consejo final sobre la calidad del escaneo

Si eres tú quien crea PDFs desde documentos físicos, escanea siempre a una resolución mínima de 300 ppp en escala de grises o blanco y negro (no en color, que dispara el tamaño del archivo sin mejorar la legibilidad del texto). Una resolución correcta es la base para que el OCR funcione bien y el texto sea reconocible.

Hazlo en tu navegador, sin que el archivo salga de tu equipo: Información del PDF