Como tornar um PDF pesquisável ou extrair o seu texto
Escolha entre extração de texto e reconhecimento OCR: um exemplo prático para PDFs digitais, digitalizações e documentos mistos.
Comece com uma palavra
Abra o documento num leitor de PDF e tente selecionar e copiar uma palavra. Se obtiver texto legível, o PDF já contém uma camada de texto: «PDF para texto» pode extraí-lo sem reconhecimento ótico. Uma digitalização pode já ter uma camada de OCR, pelo que o aspeto fotográfico por si só não basta para a distinguir.
Como tornar um PDF pesquisável
Se não conseguir selecionar as palavras, a página pode ser uma imagem. OCR PDF analisa a imagem e reconhece caracteres nas 12 línguas disponíveis. Escolha TXT para obter texto que possa copiar, ou PDF pesquisável para conservar o aspeto das páginas com uma camada de texto.
A primeira utilização descarrega o motor do site; a digitalização permanece no dispositivo. Trabalhe em poucas páginas de cada vez, até ao limite de 20, sobretudo no telemóvel.
Um exemplo com um documento misto
Um documento contém duas páginas digitais e três recibos digitalizados. Use PDF para texto nas páginas digitais e OCR apenas nos recibos: evita reconhecer novamente o texto já disponível. O resultado OCR inclui apenas as páginas selecionadas.
Verifique os números e a ordem de leitura
Compare o texto com o original, sobretudo as datas, os valores, os nomes e os códigos. O OCR nem sempre reconstitui corretamente as tabelas e as colunas; a extração para TXT não conserva os tipos de letra nem a paginação. Para obter uma cópia visual da página, use PDF para JPG e PNG.