Envía URLs de imágenes o PDF, un archivo subido o datos en base64 y recibe el texto reconocido página a página, con la puntuación de confianza del motor. Añade posiciones de palabras para crear parsers de documentos o reutiliza la capa de texto del PDF cuando ya existe.
text | Texto reconocido completo del archivo |
pages | Texto de cada página por separado |
confidence | Confianza del motor por página |
words | Opcional: palabras reconocidas con su confianza |
boundingBox | Opcional: posición de cada palabra en la página |
language | Idioma de OCR usado |
fileName / url | Origen del archivo procesado |
$2.00 por 1.000 filas
Pago por evento: un pequeño cargo por archivo procesado más un cargo por cada página leída con OCR. Usa el rango de páginas y el máximo de páginas para controlar el coste.
Apify regala 5 $ de crédito cada mes, suficiente para probar este scraper gratis.
Entradas listas para usar. Cópialas en el formulario del scraper o envíalas por la API.
Una imagen escaneada de ejemplo leída en inglés.
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.png"
],
"language": "eng"
}Primeras 3 páginas, sin palabras de baja confianza.
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.pdf"
],
"pageRange": "1-3",
"includeWordBoxes": true,
"minWordConfidence": 60
}Ignora la capa de texto del PDF, hasta 20 páginas.
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.pdf"
],
"autoDetectLanguage": true,
"useExistingTextLayer": false,
"maxPagesPerFile": 20
}Dos archivos, solo texto completo.
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.png",
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-scan.pdf"
],
"includePages": false
}19 idiomas, entre ellos inglés, alemán, francés, español, portugués, ruso, indonesio, vietnamita, árabe, hindi, chino, japonés y coreano. La detección automática de escritura es opcional.
Sí. Las páginas escaneadas se leen con OCR; las que ya tienen capa de texto se copian directamente, lo que es más rápido y preciso.
Sí. Activa las posiciones de palabras para recibir cada palabra con su confianza y su recuadro en la página.
Procesa solo archivos que te pertenezcan o que tengas derecho a procesar. Si contienen datos personales, trata los resultados conforme a la normativa de privacidad aplicable.
Llámalo por la API de Apify con URLs o archivos base64, usa los clientes de Python o JavaScript, o conéctalo con Make, n8n, Zapier o Google Sheets.