Como usar o OCR em PDF?
- Envie seu arquivo. Clique em Adicionar um PDF ou imagem ou solte o arquivo na ferramenta: um PDF escaneado, ou uma foto JPG ou PNG de uma página.
- Escolha o idioma do texto: inglês, espanhol, francês, alemão ou português. O idioma certo deixa o resultado mais preciso.
- Inicie o OCR. As páginas são lidas uma de cada vez, com o progresso na tela. Na primeira vez, o mecanismo de leitura e o idioma são baixados para o seu navegador, então leva um pouco mais.
- Copie ou baixe o texto. O texto aparece à direita, página por página. Corrija o que saiu errado e clique em Copiar texto ou Baixar .txt.
O que é OCR de PDF?
O OCR (reconhecimento óptico de caracteres) transforma imagens de texto em texto que você pode editar e pesquisar. Um PDF escaneado, a foto de uma página ou uma captura de tela guardam só uma imagem das palavras; o OCR lê as letras nela e entrega as próprias palavras.
Esta ferramenta faz o OCR no seu navegador com o Tesseract, um mecanismo de OCR de código aberto. Muitos PDFs misturam os dois tipos de página: se uma página já tem texto de verdade, a ferramenta usa esse texto como está, o que é mais rápido e exato. Você pode desligar isso para passar o OCR em todas as páginas.
Como ter os melhores resultados
- Escolha o idioma do documento. Acentos e letras como ñ, ç e ß só são lidos corretamente no idioma deles.
- Use um escaneamento nítido e reto. Texto borrado, inclinado ou na sombra é lido pior. No Digitalizar para PDF, escolha Alto contraste para documentos de texto.
- Texto impresso funciona melhor. Documentos digitados, livros, cartas e recibos são bem lidos; letras miúdas sobre fundo colorido, nem tanto.
- Confira os números. Compare valores, datas e códigos com o original antes de confiar neles.
O que o OCR não faz
Letra à mão é mal lida, quando é lida. O layout não é mantido: colunas, tabelas e caixas de texto saem como linhas simples de texto. E o resultado é texto, não um novo PDF: seu escaneamento continua um escaneamento. Para guardar uma cópia das páginas como imagens, use o PDF para imagens.
PDFs longos levam tempo, porque cada página é lida por vez no seu dispositivo. Para um documento grande, extraia as páginas que você precisa primeiro. Um PDF que não abre? Repare o arquivo primeiro.
Seu arquivo é lido no seu dispositivo. O mecanismo de OCR e os arquivos de idioma são baixados para o seu navegador; seu documento nunca é enviado.
Por que usar esta ferramenta de OCR?
- Privada: contratos, documentos de identidade e cartas são lidos no seu dispositivo, não em um servidor.
- Grátis, sem cadastro: sem conta, sem limite de páginas, sem marca d’água.
- PDFs e imagens: PDFs escaneados, fotos do celular e capturas de tela.
- Exata onde dá: páginas que já têm texto não são adivinhadas.
O que fazer com o texto
Cole em um documento para editar, em um e-mail ou em um tradutor. Ou compartilhe o que o documento diz: um carrossel com os pontos principais é fácil de ler no LinkedIn. Um PDF escaneado não vira slides do jeito que está, mas o texto dele vira: cole na aba Texto do PDF para carrossel e as seções dele viram slides. Veja como transformar um PDF em carrossel.
