OCR de PDF
Leia as palavras de páginas digitalizadas, compare-as com a imagem da página e corrija o que foi lido errado. O resultado pode ser um PDF pesquisável ou um arquivo de texto simples.
Adicione um PDF, digitalizado ou não, para ler o texto.
ou solte o arquivo aqui
- Páginas prontas
- 0
- Palavras
- 0
- Caracteres
- 0
Salvar o resultado
O PDF pesquisável mantém cada página como está e adiciona as palavras reconhecidas como texto invisível, para você pesquisar, selecionar e copiar. Suas correções entram no arquivo.
Seu PDF é processado nesta aba do navegador e nunca é enviado.
Como usar
- Clique em “Escolher arquivo” ou solte um PDF sobre a ferramenta. As páginas aparecem em uma faixa de miniaturas, cada uma marcada como “Digitalizada” ou “Camada de texto”.
- Em “Idiomas do reconhecimento”, marque todos os idiomas usados no documento. Português e English já vêm marcados, e a sua escolha fica guardada.
- Em um documento longo, escolha “Intervalo de páginas” em “Páginas”, digite algo como 1-3, 5 e clique em “Aplicar”. Essa opção só aparece quando o arquivo tem mais de uma página.
- Clique em “Reconhecer todas as páginas” ou abra uma página e clique em “Reconhecer esta página”. As páginas que já têm texto de verdade são lidas diretamente.
- Compare a página com o texto e corrija o que foi lido errado. Em telas largas, a página fica à esquerda e o texto à direita. “Desfazer minhas edições” traz de volta o texto reconhecido daquela página.
- Em “Salvar o resultado”, clique em “PDF pesquisável” para obter uma cópia com camada de texto invisível, em “Arquivo de texto (.txt)” para ter texto simples ou em “Copiar todo o texto” para colar em outro lugar.
O que faz
Cada página ao lado do seu texto
A imagem da página e o texto aparecem juntos, e o texto fica em uma caixa que você pode editar. “Mostrar caixas das palavras” colore cada palavra reconhecida sobre a página, e assim dá para ver o que foi lido em cada lugar.
Cópia pesquisável com a mesma aparência
“PDF pesquisável” mantém cada página exatamente como está e põe as palavras reconhecidas por cima, como texto invisível; assim a busca as encontra, e você pode selecioná-las e copiá-las. Suas correções entram também, e o arquivo recebe o nome do original com -ocr no fim.
Páginas que já têm texto
Uma página que já contém texto de verdade é lida diretamente e marcada como “Camada de texto”, sem precisar de reconhecimento. Se esse texto parecer errado, “Reconhecer mesmo assim” lê a imagem da página.
Sete idiomas de reconhecimento
Escolha entre inglês, francês, alemão, japonês, coreano, português e espanhol, sozinhos ou misturados na mesma página. Cada um aparece com o próprio nome, como Deutsch ou 한국어. Com menos idiomas o reconhecimento é mais rápido, então marque só os do seu documento.
Pesquisa em todas as páginas
“Pesquisar em todas as páginas” conta os resultados no texto inteiro, destaca-os na página e lista as páginas em que estão, como p. 3 (2). Os contadores no alto mostram páginas prontas, palavras e caracteres.
Reconhecimento no seu aparelho
O texto é lido pelo Tesseract OCR, que roda no seu navegador, e por isso o PDF não é enviado. Na primeira vez, os dados do idioma são baixados deste site, e o navegador os guarda para a próxima.
Bom saber
Um contrato de aluguel digitalizado, um recibo fotografado e salvo como PDF ou um relatório antigo são só uma imagem em cada página, e por isso não dá para pesquisar nem copiar nada. Depois do reconhecimento, você acha uma cláusula pelas palavras, cola um parágrafo em um e-mail ou arquiva o documento de modo que uma busca o encontre. Use “Arquivo de texto (.txt)” quando só precisar das palavras e “PDF pesquisável” quando as páginas devem continuar como estão.
O reconhecimento funciona melhor em digitalizações retas e nítidas, com impressão escura em papel claro. Letras pequenas, carimbos, escrita à mão, dobras e cópias fracas são lidos errado com mais frequência, então confira nomes, datas e valores na página antes de confiar neles. No arquivo de texto, cada página de um documento maior é marcada com uma linha como — Página 2 —, e as correções que você digita entram nos dois arquivos.
As páginas digitalizadas são lidas uma a uma, então uma digitalização longa demora, ainda mais no celular. “Parar” encerra a leitura e mantém as páginas que já ficaram prontas. Um PDF que exige senha para abrir não pode ser lido; remova a senha antes com Desbloquear PDF. Para um arquivo de texto rápido, sem conferir página por página, PDF para texto também lê páginas digitalizadas.
Perguntas frequentes
Como pesquisar o texto de um PDF digitalizado?
Adicione o PDF e clique em “Reconhecer todas as páginas”. Dê uma olhada no texto e clique em “PDF pesquisável”. O arquivo que você recebe se parece com a digitalização, mas as palavras dele podem ser pesquisadas e copiadas.
As páginas ficam diferentes depois?
Não. Cada página original continua como era. As palavras reconhecidas são colocadas por cima como texto invisível, cada uma no lugar em que aparece na página.
Ele lê coreano ou japonês?
Sim. Coreano (한국어) e japonês (日本語) estão entre os sete idiomas. Marque-os em “Idiomas do reconhecimento” antes de começar, junto com qualquer outro idioma do documento.
Por que algumas palavras saem erradas?
Impressão fraca, letras pequenas, carimbos e escrita à mão atrapalham o reconhecimento. Corrija a palavra na caixa de texto ao lado da página, e os dois arquivos salvos usarão a sua correção.
Funciona em um PDF que já tem texto?
Sim. Em uma página com texto próprio, esse texto é tirado direto do arquivo, e ao salvar um PDF pesquisável a página fica como está. A mensagem abaixo dos botões diz quantas páginas receberam uma nova camada de texto.
Meu PDF é enviado?
Não. O reconhecimento roda no seu navegador, então o PDF fica no seu aparelho. O único download são os dados de idioma, que vêm deste site na primeira vez que você usa o reconhecimento.