Qué confirmaciones de reserva en PDF lee Kokai y cómo

Cómo funciona: texto, no imagen

Una confirmación de reserva en PDF casi siempre lleva texto de verdad dentro: el que puedes seleccionar y copiar. Kokai lo saca con pdf.js, la librería de Mozilla (licencia Apache-2.0) que usa Firefox para enseñar los PDF, y la carga solo cuando añades un PDF. Todo ocurre en el dispositivo:

1. Si el fichero pasa de 20 MB, se guarda sin leer.
2. pdf.js saca el texto de las 6 primeras páginas: las confirmaciones dicen lo importante arriba, y veinte páginas de condiciones no aportan nada.
3. Kokai reconstruye las líneas: pdf.js da trozos de texto con su posición, y una línea termina cuando el trozo siguiente baja más de media altura de letra.
4. El texto se pasa a minúsculas y sin tildes para buscar etiquetas («Número de confirmación» y «numero de confirmacion» son lo mismo), pero lo encontrado se recorta del original, así el localizador sale con sus mayúsculas.
5. Se decide qué es y de quién, y se buscan los datos por sus etiquetas. No hay plantillas por proveedor, que cambian cada pocos meses.
6. Si no se reconoce la clase y salen menos de dos datos, se da por no leído: «No he encontrado los datos de una reserva en el PDF. Rellénalos a mano.»

No hay reconocimiento de letras en imágenes (OCR). Una foto del billete, una captura de pantalla o un PDF escaneado se guardan y se abren sin conexión, pero no se leen. Un PDF protegido con contraseña, tampoco.

Dónde se lee un PDF en la app

En Documentos, mientras lee, la app dice «Leyendo el PDF en este dispositivo…» (en Alojamiento, «Leyendo el PDF…»). Lo que ha entendido sale en una línea que empieza por «Leído en este dispositivo:». Más sobre los documentos en Documentos de viaje sin conexión.

Las 8 clases de reserva

Cada clase decide el tipo de documento, la etiqueta que se pone y qué etiquetas se buscan para las fechas. Para reconocerla cuentan palabras típicas, cada una una sola vez aunque se repita:

Las 65 marcas que reconoce

Una marca reconocida pone su etiqueta en el documento («Booking.com», «Renfe») y pesa mucho al decidir la clase. Si la tuya no está, la reserva puede leerse igual por sus palabras y sus etiquetas: solo falta la etiqueta del proveedor.

Algunas marcas solo cuentan con su forma completa, porque su nombre suelto es una palabra corriente: «Booking.com» o «Booking B.V.» (booking es «reserva» en inglés), «Italo Treno», «Enterprise Rent-A-Car», «Avis Budget» o «alsa.es». El nombre suelto («booking», «alsa», «avis») es una mención débil.

Cómo decide qué es y de quién

La clase y el proveedor salen de una cuenta de puntos, la misma para todos los PDF:

• La puntuación de una clase es la de sus palabras más la de su mejor marca.
• Gana la clase con más puntos, y solo si tiene al menos 4: dos palabras típicas bastan (un hotel sin plataforma se reconoce como alojamiento), un «hotel» suelto no.
• El proveedor se nombra si su marca, de esa clase, tiene al menos 5 puntos: tiene que salir su nombre completo, o llevarlo el nombre del fichero. Tres menciones débiles suman 3 y no bastan.

Qué datos saca

El título se compone según la clase: el nombre del hotel (o «Alojamiento de Booking.com» si no sale), «Vuelo» con su número, o la clase y el proveedor («Tren · Renfe»).

Las etiquetas que reconoce, idioma por idioma

Se buscan sin distinguir mayúsculas ni tildes. Un guion significa que ese idioma no tiene una forma propia en la lista (a menudo coincide con otro: el catalán «número de reserva» es la forma castellana).

El precio, además, se busca por último tras la palabra suelta en cualquiera de los siete idiomas: precio, price, importe, amount, montant, prix, prezzo, preço, preu.

Fechas y horas

• Las abreviaturas que también son palabras (out, des, set, gen, mag, lug, ott, mai, mar) solo cuentan como mes si llevan año detrás: «3 out of 5 guests» no es el 3 de octubre.
• En una tabla con «Check-in Check-out» en una línea y las dos fechas debajo, la primera fecha tras «Check-out» es la de entrada, y se salta.
• Si no hay etiqueta, se usa la primera fecha que no vaya detrás de «fecha de reserva», «emitido», «booked on», «fecha de nacimiento» o «caduca». En un seguro, no se adivina.
• Un alojamiento con «3 noches» y sin fecha de salida legible: la salida se calcula sumando las noches a la entrada.
• Una fecha de fin a más de 62 días del inicio se descarta: es otra fecha que se ha colado.
• Horas: 15:00, 15h00, 3:00 PM o 3 PM. En la hora de inicio gana la que va con «desde», «from» o «a partir de»; en la salida de un alojamiento, la última con «hasta», «until» o «before»: «de 07:00 a 11:00» es salida hasta las 11:00.

Precio y moneda

La moneda sale del símbolo o del código junto al importe, delante o detrás («€ 390,00», «390,00 EUR»), o del código entre paréntesis tras «Total (EUR)». Reconoce 37 códigos ISO 4217:

EUR USD GBP JPY CHF CAD AUD MXN ARS COP CLP PEN BRL DKK SEK NOK PLN CZK HUF
RON BGN TRY MAD THB CNY HKD SGD NZD ZAR INR KRW ISK IDR VND EGP AED ILS

Los separadores se interpretan como en cada país: 1.234,56 y 1,234.56 son lo mismo, 1 234,56 también, «1.234» son mil doscientos treinta y cuatro y «12,50» son doce con cincuenta.

Un «$» suelto se lee siempre como dólar estadounidense y un «¥», como yen. Si reservas en pesos mexicanos o en yuanes y el PDF solo pone el símbolo, corrige la moneda en la estancia. Si no hay moneda, la estancia toma la del viaje.

Qué hace con lo que lee

La regla es una: nunca pisa lo que alguien ha escrito.

• En un documento nuevo, si cambias el tipo o el título mientras se lee, se queda lo tuyo. Si cambias el tipo que se leyó (una «Reserva» que pasas a «Entrada»), no se ponen las etiquetas de la lectura.
• En un documento que ya existe, solo se rellenan el localizador, el titular y las fechas si están vacíos, y el tipo solo si era «Otro». Si el tipo leído es distinto, la ficha ofrece «Cambiar el tipo a…» sin cambiarlo.
• Se añaden dos etiquetas, la del proveedor y la de la clase («Booking.com» y «Alojamiento»), sin quitar las que tenía.

Si es un alojamiento con entrada y salida, y el documento es una reserva, se asocia a una estancia, las noches de ese hotel en el viaje:

1. Si ya hay una estancia enlazada a ese documento, se completa (horas, precio, cancelación) sin tocar lo que tenga.
2. Si no, se busca el hotel: el sitio relacionado del documento o un alojamiento del mapa con el mismo nombre (al menos el 60 % de las palabras en común, sin contar «hotel», «apartamento», «de» o «the»).
3. Si ese hotel tiene una opción sin documento enlazado que coincide con esas noches, pasa a reservada, con el documento enlazado y las fechas del PDF.
4. Si el hotel no está en el mapa, su dirección va a Nominatim (el buscador de OpenStreetMap), o su nombre dentro de la zona del destino. Si ya tienes un alojamiento a menos de 150 m de lo encontrado, es ese; si no, se crea el sitio con su dirección y su teléfono, y se buscan sus fotos.
5. Si no había opción, se crea una estancia reservada nueva, en ese sitio si se ha encontrado. Sin red, o si Nominatim no encuentra nada, queda sin situar, con su nombre, y se sitúa luego a mano.

Con la estancia llegan los recordatorios del alojamiento: cancelar gratis, «Mañana duermes en…» y «Hoy dejas…» (tabla completa en Documentos). Si un documento de reserva tiene fechas pero no se asoció, su ficha ofrece «Es un alojamiento: añadir estas noches».

Nominatim recibe solo el texto de la dirección (o el nombre del hotel y la zona), con un mínimo de 1,1 segundos entre peticiones, como pide su política de uso. Nunca el localizador, el titular ni el precio.

Ejemplo: una confirmación de Booking.com para Lisboa

Limitaciones

• Fotos y escaneados, no. Solo se lee texto; no hay OCR.
• Probado con textos de ejemplo, no con confirmaciones reales de cada proveedor. Las pruebas imitan lo que pdf.js saca de Booking.com (en castellano y en inglés, con tabla), Airbnb (en los dos idiomas), un hotel sin plataforma, Ryanair, Renfe y Europcar, y un PDF generado se lee de principio a fin. Con cada una de las 65 marcas, no se ha probado.
• Un PDF con el texto desordenado (columnas que pdf.js entrega en otro orden) puede dejar las etiquetas lejos de sus valores, y el dato no sale.
• Solo un billete por documento. Un PDF de ida y vuelta da la fecha de ida y la de vuelta, pero no dos documentos, ni escalas.
• Solo el primer PDF cuando eliges varios ficheros a la vez al crear un documento.
• Todo lo leído se puede corregir. Mira siempre la ficha: la app lo pide con «Revisa que esté bien.»

Si tu reserva no se ha leído bien

Corrige los datos a mano en la ficha: se guardan solos y la lectura no vuelve a pisarlos. Y si quieres que la próxima versión la lea mejor, cuéntalo en el formulario de contacto con el motivo «Una reserva en PDF que no se ha leído bien». Ayuda decir:

• El proveedor y el idioma de la confirmación.
• Qué dato ha fallado (la fecha de salida, el precio, el nombre del hotel) y qué ponía el PDF junto a ese dato, con la etiqueta tal cual.
• Si el PDF es un correo impreso, una descarga de la web del proveedor o una tarjeta de embarque.

No pegues localizadores, nombres, direcciones ni números de tarjeta reales: cámbialos por datos inventados antes de enviarlo («XXXX1234», «Ana Ejemplo»). El formulario no admite adjuntos, y no hace falta el PDF: basta con las líneas que fallan.

Preguntas frecuentes

Fuentes y referencias

La documentación original de lo que se cita aquí, consultada en la fecha de revisión de esta página.

1. PDF.js Mozilla
2. Repositorio de PDF.js (código y licencia Apache-2.0) Mozilla, en GitHub
3. ISO 4217, códigos de moneda (agencia de mantenimiento) SIX Group
4. Nominatim Usage Policy OpenStreetMap Foundation
5. Nominatim: Search API Nominatim

Sigue leyendo

• DocumentosCómo guarda Kokai billetes, reservas y pasaporte con su PDF o foto para abrirlos sin red, qué avisa antes de que caduquen y qué no sale del dispositivo.
• AlojamientoCómo Kokai organiza el alojamiento por noches: reservas, opciones sin decidir, huecos y dobles reservas, avisos de cancelación y la dirección del hotel sin red.
• Buscar alojamientoCómo construir el enlace de búsqueda de Booking.com, Airbnb, Expedia, Vrbo, Agoda, Trip.com, Kayak y Google Hoteles con destino, fechas y viajeros, y ejemplos.
• GlosarioQué es una geovalla, una estancia, un localizador, la histéresis del GPS o un PMTiles: 35 términos de viajes y mapas, con las cifras que usa Kokai.