¿Qué es la detección de idioma?
La detección de idioma es el reconocimiento automático de la lengua en que está escrito un texto, como el inglés, el español o el japonés. En un PDF, la herramienta lee el texto de las páginas y lo compara con perfiles estadísticos de muchos idiomas: qué letras, combinaciones y palabras cortas aparecen con más frecuencia. El resultado es el idioma más probable, a veces con un nivel de confianza o con una lista de idiomas cuando un documento mezcla varios.
Por qué necesita texto real
La detección trabaja con caracteres, así que el PDF debe contener texto seleccionable. En un documento escaneado cada página es solo una imagen y no hay caracteres que leer. Ejecute antes el reconocimiento de texto: añade una capa de texto y, después, se puede detectar el idioma. Los textos muy cortos, las listas de nombres o de números y las páginas llenas de tablas dan resultados menos fiables, porque hay pocas palabras que comparar.
En qué ayuda
Conocer el idioma de un archivo ayuda a ordenar grandes colecciones de documentos, a enviar cada uno al lector o al traductor adecuado, a elegir el diccionario correcto para el reconocimiento de texto y a comprobar que un documento entregado para un mercado no está por error en otro idioma. Los archivos y los sistemas de búsqueda también guardan el idioma para que las búsquedas y los lectores de pantalla funcionen bien.
Idioma del texto e idioma del archivo
Un PDF también puede declarar su idioma en su configuración interna, que los lectores de pantalla usan para elegir la pronunciación. Esa declaración la fija el programa que creó el archivo y puede faltar o ser errónea. La detección mira las palabras reales, así que ambos pueden no coincidir.
Herramientas que usan este término
Guías que lo ponen en práctica
Preguntas frecuentes
- ¿Puede detectar el idioma de un PDF escaneado?
- Solo después del reconocimiento de texto. Un escaneo contiene imágenes de páginas; el reconocimiento las convierte en texto que se puede analizar.
- ¿Y los documentos en varios idiomas?
- La detección indica el idioma principal y puede enumerar otros que encuentre. En documentos mixtos, revise las secciones por separado si el detalle importa.
- ¿El idioma detectado modifica el archivo?
- No. La detección solo lee el texto e informa del resultado; el PDF no se modifica.