OCR Recognize File

Tipo: ocr-recognize · Paquete: OCR Activities v1.2.5 · Salida: string

Reconoce y devuelve todo el texto de un archivo de imagen (.png, .jpg, .bmp, .tiff). Es la actividad central del paquete: leer el contenido de una imagen o de un documento escaneado para luego extraer datos con expresiones.

Cómo funciona

Pasa la imagen por el motor Tesseract y devuelve el texto reconocido, en el orden de lectura que detecta el motor (con saltos de línea entre líneas y líneas en blanco entre bloques). Indica el language del texto para mejorar la precisión, y usa preprocess para limpiar imágenes de baja calidad. Ver idioma y preprocesado.

El reconocimiento corre en la máquina del robot y tarda más cuanto más grande es la imagen; el archivo original no se modifica.

Parámetros requeridos

Parámetro	Tipo	Por defecto	Descripción
`path`	`string`	—	Ruta del archivo de imagen (`.png`, `.jpg`, `.bmp`, `.tiff`).

Parámetros opcionales

Parámetro	Tipo	Por defecto	Descripción
`language`	`string`	`"eng"`	Idioma del texto: código de Tesseract (`eng`, `spa`, `eng+spa`) o etiqueta regional (`es-CO`, `en-US`).
`preprocess`	`string`	`"none"`	Limpieza previa: `none` · `auto` · `deskew` · `binarize`. Desde la versión 1.2.0.

Salida

Devuelve un string con el texto reconocido. Si la imagen no tiene texto legible, devuelve una cadena vacía o casi vacía (solo saltos de línea); compruébalo con isEmpty(trim(texto)) o validando el dato que buscas.

Ejemplo

Leer una factura escaneada en español y extraer el total:

OCR Recognize File   path = rutaEscaneo   language = "spa"   preprocess = "auto"   → output: texto
Set Variable   name = total   value = regexFind(texto, "(?<=Total:\s*\$?)[\d.,]+")
Log   message = "Total leído: " + total

Errores comunes

Mensaje	Causa y solución
`No se encontró el archivo.`	La ruta de `path` no existe en la máquina del robot.
`'path' es obligatorio.`	Falta `path` o la expresión dio vacío.
`No se encontró el idioma de Tesseract '…' en '…'. Disponibles: [eng, spa].`	El código de `language` no está instalado. Usa uno de los disponibles.
`No se pudo leer la imagen.`	Con `preprocess`, el archivo no es una imagen válida o está dañado.
`No se pudo inicializar el componente nativo de OpenCV: …`	Falta un componente nativo del preprocesado en la máquina. Reinstala el paquete o usa `preprocess = "none"`.

Actividades relacionadas

OCR Extract Pattern — extraer campos concretos con regex en un solo paso.
OCR Find Text — ubicar dónde está un texto.
PDF Get Text — para PDF con texto (sin OCR).