OCR em PDF – PDF pesquisável

Torne as digitalizações pesquisáveis e copiáveis

Um PDF digitalizado é uma pilha de imagens: não dá para pesquisar nele, copiar uma frase nem fazer um leitor de tela lê-lo em voz alta. O OCR (reconhecimento óptico de caracteres) lê as letras dessas imagens e adiciona uma camada de texto invisível logo por cima. A página fica igual, mas agora o Ctrl+F encontra palavras, o texto pode ser selecionado e copiado, e seu computador ou um sistema de gestão de documentos pode indexar o documento.

O Fileopia roda o OCR com o motor Tesseract dentro do seu navegador. Os modelos de idioma são baixados uma vez e ficam em cache; suas digitalizações nunca são enviadas. Isso o torna adequado para prontuários médicos, processos jurídicos, faturas e documentos de identidade.

Recursos

• 12 idiomas, combináveis de dois em dois: veja a tabela abaixo.
• Saída em PDF pesquisável: as páginas originais são mantidas e um texto invisível é adicionado.
• Exportação em TXT: obtenha o texto reconhecido como arquivo de texto simples, ou PDF e TXT ao mesmo tempo.
• Intervalo de páginas: passe o OCR só nas páginas de que precisa.
• Pular páginas que já têm texto: documentos mistos são processados mais rápido e o texto digital existente não é duplicado.
• Resolução ajustável: 200 DPI é um bom padrão; aumente para 300 para letras pequenas.

Idiomas de OCR suportados

Escolha um segundo idioma para documentos bilíngues, como inglês + hindi ou francês + árabe.

Como passar o OCR em um PDF

• Solte seu PDF digitalizado.
• Escolha o idioma do documento (e, se quiser, um segundo).
• Escolha a saída: PDF pesquisável, TXT ou ambos.
• Se quiser, informe um intervalo de páginas e deixe marcada a opção «Pular páginas que já contêm texto».
• Clique em Iniciar e aguarde: cada página leva alguns segundos, dependendo do seu dispositivo.
• Baixe e teste: pressione Ctrl+F no seu leitor de PDF e pesquise uma palavra.

Como conseguir a máxima precisão

• Digitalize a 300 DPI em tons de cinza ou em cores; 200 DPI basta para letras de tamanho normal.
• Páginas retas são reconhecidas melhor: corrija digitalizações tortas com o Endireitar PDF e páginas de lado com o Girar PDF.
• Escolha o idioma certo; dele dependem os acentos e as letras não latinas.
• Texto muito claro, desbotado ou manuscrito é difícil para qualquer OCR; letra manuscrita em geral não é suportada.
• Para fotos de celular, o Scanner de PDF corta e melhora as páginas antes do OCR.

O que posso fazer com um PDF com OCR?

• Pesquisar em grandes arquivos de cartas e contratos digitalizados.
• Copiar citações e números para relatórios.
• Convertê-lo em formatos editáveis com o PDF para Word ou em tabelas com o PDF para Excel.
• Tornar os documentos acessíveis para usuários de leitores de tela.
• Editar o texto com o Editar PDF.

PDF pesquisável vs. arquivo de texto

Um PDF pesquisável mantém a aparência exata da digitalização original com texto selecionável por baixo: ideal para arquivar e compartilhar. Um arquivo TXT contém só as palavras, sem layout: ideal para colar em outros programas, traduzir ou analisar. Escolha «ambos» se precisar dos dois.

Privacidade do OCR no navegador

Muitos serviços de OCR online enviam suas digitalizações para um servidor para processá-las. Aqui, o motor de OCR e os dados de idioma rodam no seu próprio computador ou celular. Depois que a página e o modelo de idioma carregarem, você pode até se desconectar da internet e continuar processando.

Velocidade e documentos grandes

O OCR exige muito processamento. Um notebook moderno costuma processar uma página em alguns segundos; celulares demoram mais. Para uma digitalização de 200 páginas, use o intervalo de páginas para processá-la por partes, ou deixe a aba aberta enquanto trabalha: o progresso é mostrado por página.

OCR para escritas da direita para a esquerda e indianas

O árabe é reconhecido da direita para a esquerda e a camada de texto mantém a ordem de leitura correta, então pesquisar e copiar funcionam em leitores em árabe. O hindi (devanágari) e o tâmil são suportados com seus próprios modelos treinados, incluindo os caracteres conjuntos e os sinais vocálicos. Para documentos mistos (por exemplo, um formulário em inglês com nomes em hindi), escolha os dois idiomas para que cada palavra seja comparada com o alfabeto certo.