Skip to main content
Cuando ABBYY Vantage procesa un documento PDF, debe decidir cómo extraer el texto. Algunos PDF contienen una capa de texto incrustada, es decir, texto con capacidad de búsqueda escrito directamente en el archivo. Otros son archivos compuestos solo por imágenes que requieren Reconocimiento óptico de caracteres (OCR) para extraer el texto. La configuración Modo de procesamiento de PDF le brinda un control explícito sobre el método que usa Vantage. Esto resulta especialmente útil cuando:
  • Trabaja en sectores regulados donde se exige reproducibilidad y trazabilidad de los resultados de extracción.
  • Su conjunto de documentos contiene PDF con capas de texto incrustadas de baja calidad o poco fiables que darían mejores resultados con Reconocimiento óptico de caracteres (OCR).
  • Está migrando desde ABBYY FlexiCapture y necesita replicar el comportamiento de procesamiento de sus flujos de trabajo existentes.
  • Necesita un comportamiento de procesamiento uniforme y predecible en todos los documentos, independientemente de su contenido.

Opciones del modo de procesamiento de PDF

Escenarios de ejemplo para cada modo

Los siguientes ejemplos muestran situaciones habituales en las que cada modo es la mejor opción.

PDF escaneados y digitales combinados

Procesa un gran volumen combinado de documentos en papel escaneados y PDF nativos digitales en el mismo flujo de trabajo. Algunos archivos tienen capas de texto limpias y otros no. Predeterminado (recomendado) gestiona ambos casos automáticamente sin necesidad de configuración por documento.

PDF con una capa de texto de baja calidad

Su conjunto de documentos consta de PDF generados por un sistema de escaneo heredado que incrusta una capa de texto de baja calidad durante el escaneo. Esa capa incrustada contiene errores de reconocimiento que perjudican la extracción de campos. Usar solo OCR la omite por completo y extrae texto limpio directamente de la imagen de la página.

PDF nativos digitales con una capa de texto precisa

Su organización procesa facturas en PDF nativas digitales exportadas desde el sistema ERP de un proveedor. La capa de texto incrustada es precisa y se genera automáticamente. Usar Usar solo la capa de texto permite una extracción rápida y fiable sin ejecutar Reconocimiento óptico de caracteres (OCR) innecesario.

Entornos regulados

Trabaja en un sector regulado (como los servicios financieros o la atención sanitaria) en el que los resultados de la extracción deben ser totalmente reproducibles y auditables. Fijar el modo en Usar solo la capa de texto o Usar solo OCR garantiza que siempre se utilice la misma ruta de procesamiento, independientemente de cómo lleguen los documentos.

Dónde configurar el modo de procesamiento de PDF

La opción modo de procesamiento de PDF se encuentra en la pestaña General, dentro de Image Processing, en los siguientes cuadros de diálogo: Para obtener instrucciones detalladas, consulte Configurar el modo de procesamiento de PDF.

Versiones compatibles de Technology Core

El modo de procesamiento de PDF es compatible con skills que usan Technology Core 2.4 o Technology Core 3.0. No está disponible para Technology Core 2.0.