Cómo se corrige y se comprueba un PDF escaneado

¿Cómo se hace una corrección, paso a paso?

La herramienta en sí es Editar texto de PDF; esta página explica cómo se hace allí una corrección y cómo se comprueba.

La primera vez que abres CECO PDF, muestra cómo se hace una corrección, de principio a fin, en seis pasos:

1. Una página con un error. Abre un PDF tuyo, o pulsa «Probar un documento de ejemplo» para probar uno que ofrece la aplicación.
2. Haz clic en la palabra que quieres cambiar. O arrastra un recuadro alrededor de las palabras. En una pantalla táctil, toca la palabra, o pulsa «Seleccionar una zona» y pasa un dedo por las palabras.
3. Te lo devuelven relleno. Corrígelo. Lo que dice ahora la página aparece ya escrito; escribe lo que debería decir.
4. Aplica la corrección. No cambia nada en la página hasta que lo hagas.
5. Comprobado: no se movió nada fuera de la palabra editada. Antes de mostrar el resultado, la página se compara con el original, como describe la comprobación de más abajo.
6. Descarga el PDF corregido. Lo que cada plan te permite descargar está en la página de precios.

En una pantalla táctil la demostración tiene los mismos seis pasos, y «Haz clic» pasa a ser «Toca».

¿Cómo llegan las palabras nuevas a la página?

Un PDF guarda sus palabras de una de dos formas. Algunos tienen una capa de texto real: las letras son texto y se pueden seleccionar y buscar. Un escaneo es una imagen del papel, y sus palabras son tinta en esa imagen. CECO PDF corrige los dos, y el resultado dice cuál de estas cuatro cosas hizo:

• Escrito en el texto. La corrección se escribe en la página como texto, así que sigue siendo seleccionable y se puede buscar, y no se vuelve a dibujar ninguna parte de la página.
• Hecho con las propias marcas de la página. Solo se movieron marcas que ya estaban en la página. No se inventó nada, así que las palabras corregidas son la propia tinta del documento, con su propia impresión.
• Ajustado a las letras de alrededor. La página no contenía la tinta que necesitan las palabras nuevas, así que se dibujaron para que coincidan con la letra de al lado, con su desenfoque, su grano y el color de su tinta tomados de lo que rodea la selección. No son la propia tinta del documento, y alguien que compare de cerca el parche con el resto de la página podría notarlo. En una página que además lleva texto real, las palabras dibujadas pasan a formar parte de la imagen: ya no se pueden seleccionar ni buscar, y el resultado lo dice.
• Párrafo recompuesto. El reemplazo necesitaba volver a componer el párrafo, así que se mueven en la página palabras que no corregiste.

¿Cómo se comprueba una corrección?

Cada corrección declara la zona de la página que puede cambiar. Una vez hecha, la página se renderiza antes y después, y las dos imágenes se comparan píxel a píxel: un escaneo a 300 puntos por pulgada, y una página de texto real, que no tiene grano de papel en el que pueda esconderse una letra movida, a 150.

La corrección solo se da por comprobada si cada píxel que cambió está dentro de esa zona, de modo que el recuento de píxeles cambiados fuera de ella es 0 en todas las páginas, y si se superaron todas las salvaguardas: el texto está donde se midió que estaba, la edición se mantuvo en su propia línea y las letras salieron enteras. El resultado muestra las palabras antes y después, y luego ese recuento, como fuera 0 px.

Hasta que se supera la comprobación, el archivo corregido no se puede descargar. Si falla, el resultado lo dice y ofrece deshacer la corrección. Un documento que cambia después de comprobarse tiene que volver a comprobarse antes de poder descargarse.

También puedes mirarlo tú. «Mirar de cerca» muestra la zona corregida ampliada, antes y después, y mantener pulsada la B sobre la página vuelve a poner el original en su sitio. La inspección se hace con aumentos de números enteros y sin suavizado, así que cada píxel se muestra tal como se renderizó, solo que más grande.

Las mismas reglas, con los campos que devuelve la API para cada comprobación, están en el modelo de verificación.

¿Qué rechaza, y por qué?

Una corrección que no se puede hacer bien se rechaza en lugar de hacerse mal. El rechazo dice qué pasó y por qué importa y, cuando hay algo que probar, qué probar a continuación. Tu documento se queda como estaba. Entre los motivos:

• La selección no abarcó las palabras. Todo se mide a partir de lo que encierra la selección, así que un recuadro en el margen, o entre dos líneas, mide lo que no es.
• La palabra aparece más de una vez, y la lectura no tiene claro a cuál te refieres. Corregir la que no es produciría un documento que supera la comprobación sin ningún fallo y dice algo equivocado. Tampoco hay «reemplazar todo»: cada lugar donde aparece una palabra es su propia corrección, hecha y comprobada por separado.
• Un sello, una línea o un pliegue cruza las palabras. Mover tinta significa cortar la línea en una columna sin tinta, y cualquier corte aquí partiría la marca.
• El papel que hay detrás de las palabras no se puede reproducir. Rellenar el hueco que dejan significaría inventar papel en lugar de igualarlo.
• El reemplazo es demasiado largo para su línea. Escribirlo entero volvería a partir el párrafo y movería líneas que nadie editó.
• Las letras dibujadas no coincidirían con la página. Saldrían más nítidas que el escaneo que las rodea, o la fuente no se pudo identificar con confianza, y las letras de una fuente equivocada tienen la forma equivocada.

Cuando un rechazo indica un límite de la herramienta y no de la selección, puedes decidir enviarnos esa parte de la página, para que las versiones futuras se puedan medir con ella. No se envía nada a menos que pulses el botón que lo envía, y el aviso de privacidad dice exactamente qué se envía y durante cuánto tiempo se guarda.

¿El archivo corregido registra lo que cambió?

Un PDF corregido lleva un registro de procedencia: cada corrección, dónde se hizo en la página y cómo, tal como lo escribió el motor. Viaja dentro del archivo como un adjunto llamado provenance.json, e identifica el archivo como copia corregida.

Esa copia es una declaración, no una prueba. Cualquiera que tenga un PDF puede quitar o reescribir cualquier cosa que haya dentro, este registro incluido, así que la prueba es lo que guarda el servicio. Allí, cada subida, corrección, deshacer, exportación y descarga se escribe en un registro al que solo se pueden añadir entradas, en el que cada entrada lleva el hash de la anterior, así que la cadena se puede volver a calcular para mostrar dónde se rompe, si es que se rompe.

Cada corrección de ese registro lleva una declaración, una afirmación de autoridad con estas palabras en inglés: “I confirm I am authorised to alter this document. I understand that if it has already been issued or served, the appropriate route is a formal correction or a corrected re-issue, not a retouch. I accept responsibility for this change.” (En español: «Confirmo que tengo autorización para modificar este documento. Entiendo que, si ya se ha emitido o entregado, el camino adecuado es una corrección formal o una nueva emisión corregida, no un retoque. Asumo la responsabilidad de este cambio».) Con un plan Business, el registro completo se puede exportar como un archivo que puedes entregar.

Cuando una página lleva señales de haberse emitido (un número de protocolo, una fecha de registro o sellos), la aplicación lo dice, y también que, para un documento ya emitido o entregado, el camino limpio es una nueva emisión corregida y no un retoque.

¿Cómo puede alguien comprobar lo que se corrigió?

Con un plan Business, puedes emitir un certificado de comprobación para un documento corregido. Contiene el hash SHA-256 del documento tal como se subió y tal como quedó corregido, cada corrección con su medición, y la cabecera del registro en el momento en que se emitió, todo firmado con Ed25519.

La persona a la que se lo entregues puede comprobarlo sin cuenta, en la comprobación de certificados: por el identificador del certificado, o subiendo el PDF del certificado, que se compara con lo que se emitió y no se guarda. La clave pública está publicada en /.well-known/ceco-certificate-key, así que la firma se puede comprobar sin CECO PDF en absoluto.

¿Cuáles son los límites?

Lo que admite cada plan, según lo indica el código que lo aplica:

• Gratis: PDF de hasta 15 MB y 50 páginas; 10 correcciones al día.
• 1 documento: PDF de hasta 50 MB y 50 páginas; correcciones ilimitadas mientras quede un crédito sin usar, durante un máximo de 30 días desde la compra; después, 10 al día.
• 10 documentos: PDF de hasta 50 MB y 50 páginas; correcciones ilimitadas mientras quede un crédito sin usar, durante un máximo de 30 días desde la compra; después, 10 al día.
• Personal: PDF de hasta 100 MB y 100 páginas; sin límite diario de correcciones.
• Business: PDF de hasta 100 MB y 300 páginas; sin límite diario de correcciones.

Un archivo que supera el límite de su plan se rechaza al subirlo, y el mensaje indica el límite. Lo que cuesta cada plan está en la página de precios. Los límites de cada herramienta, los formatos que admite y crea cada una, y lo que rechaza cada una están reunidos en una sola página.

¿Qué no demuestra una comprobación?

Una comprobación es una afirmación sobre la imagen, hecha por el servicio sobre su propio resultado: a la resolución de su comprobación, no cambió nada fuera de la zona declarada. No dice que las palabras corregidas sean verdad, ni que el documento sea exacto, lícito o aceptable para quien lo reciba, y no es una prueba de que nadie tuviera derecho a hacer el cambio. Un certificado no es una certificación notarial, una declaración legal ni una factura.

Corrige solo documentos que sean tuyos o que tengas derecho a modificar. CECO PDF no intenta juzgarlo, porque ninguna comprobación automática puede hacerlo; en cambio, deja constancia, con la declaración en cada corrección y el registro en el archivo. Usarlo para falsificar, adulterar o presentar de forma engañosa un documento es un uso indebido del servicio y, en la mayoría de los lugares, un delito, y las cuentas que lo hagan se cierran. Las condiciones lo dicen, en «Quién puede modificar un documento».

¿Cómo se compara con otras formas de cambiar un escaneo?

Volver a escribir la página, pasar OCR y editar el texto, convertir el PDF a Word y tapar una palabra con un recuadro blanco son las otras formas de cambiar un escaneo. Cada una se compara con una corrección como esta, con lo que hace mejor, en Cambiar texto en un escaneo: cinco formas comparadas. Cómo se compara CECO PDF con Adobe Acrobat, Foxit y otros editores está en Comparativa de editores PDF.