Você digitaliza um relatório de várias páginas e o salva como PDF. Ao abri-lo e pressionar Ctrl+F (ou ⌘+F no Mac), nada é encontrado - nem sequer uma palavra que você consegue ver claramente na primeira página. O documento é uma imagem, e imagens não contêm texto pesquisável.
Tornar um PDF digitalizado pesquisável adiciona uma camada de texto invisível atrás das imagens. É essa camada de texto que o Ctrl+F, os sistemas de gestão documental e os motores de busca leem. A aparência visual do documento permanece exatamente igual.
O que o OCR faz
O software de Reconhecimento Ótico de Caracteres (OCR) analisa cada pixel de cada página e identifica caracteres, palavras e a estrutura do layout. Em seguida, coloca esses caracteres numa camada oculta na mesma posição do texto correspondente da imagem. O resultado é um PDF com aparência idêntica à digitalização original, mas com texto real, selecionável e pesquisável por baixo.
Como tornar o seu PDF pesquisável com a Pagivo
- AbraPergunte ao PDFna Pagivo e inicie sessão se solicitado.
- Carregue o seu PDF digitalizado.
- Digite um pedido comotornar este PDF pesquisável com OCR.
- Clique emProcessar e descarregar. O Pagivo executa OCR nas páginas que precisam e devolve o documento com uma camada de texto pesquisável adicionada.
- Abra o resultado em qualquer visualizador de PDF e prima Ctrl+F. Os seus termos de pesquisa passam agora a ser encontrados.
Fatores que afetam a precisão
O OCR funciona melhor em documentos limpos e bem digitalizados. Vários fatores afetam a precisão da camada de texto:
- Resolução da digitalização.300 DPI é o mínimo prático para um OCR confiável. Resoluções mais baixas produzem um reconhecimento de caracteres pouco confiável, especialmente em textos pequenos.
- Retidão da página.Uma página inclinada ou curvada confunde a detecção dos limites dos caracteres. Por esse motivo, os scanners de leito plano produzem consistentemente melhores resultados do que as câmeras de celular.
- Clareza do tipo de letra.Fontes impressas padrão são reconhecidas com precisão muito alta. Fontes decorativas, textos muito pequenos (equivalentes a menos de 8pt em 300 DPI) e digitalizações fortemente comprimidas produzem mais erros de reconhecimento.
- Escrita à mão.A maioria dos motores de OCR é treinada com texto impresso. Espere menor precisão ou resultado majoritariamente inutilizável em páginas manuscritas.
Quando você precisa editar o conteúdo, e não apenas pesquisá-lo
O OCR cria um PDF pesquisável - o texto é real, mas a página ainda parece uma digitalização. Se você precisa editar o conteúdo (corrigir um nome, alterar uma data, reformatar uma tabela), você precisa converter o PDF para um formato editável. O fluxo de trabalho recomendado é: executar o OCR primeiro para criar um PDF pesquisável e, em seguida, converter esse PDF em Word usandoPDF para Wordpara obter a melhor qualidade de conversão.
Usando o Google Drive como alternativa gratuita
O Google Drive tem OCR integrado sem custo. Envie o PDF para o Google Drive, clique com o botão direito nele e escolhaAbrir com o Google Docs. O Google executa OCR e abre o resultado como um documento editável. A formatação da página não será preservada, mas o texto será extraído. Isso funciona bem para documentos curtos em que você precisa apenas do conteúdo do texto, não do layout original.