Reconheça o texto de um PDF escaneado e receba um arquivo que dá para buscar e copiar.
OCR de PDF
Reconheça o texto de um PDF escaneado e receba um arquivo que dá para buscar e copiar.
O reconhecimento roda no seu dispositivo, então registros e arquivos escaneados ficam com você. Na primeira vez, o reconhecedor e os dados de idioma são baixados de uma CDN pública; o conteúdo das páginas nunca é enviado.
Um PDF escaneado é uma fotografia de um documento. Você consegue ler, mas nada mais consegue: a busca não acha nada, copiar não dá nada e qualquer ferramenta que trabalhe com texto fica sem matéria-prima. O reconhecimento de texto resolve isso lendo as formas das letras e gravando o que encontra dentro do arquivo como uma camada invisível posicionada exatamente sobre as palavras impressas. Cada página é redesenhada como imagem a 144 ou 216 dpi e o novo arquivo é montado com essas imagens, então ele parece o original, mas um escaneamento de resolução maior volta na resolução escolhida e links ou campos de formulário não são mantidos. Em troca, o documento agora é pesquisável, selecionável e conversível. O reconhecimento roda no seu navegador, em qualquer um de doze idiomas.
Recursos
O reconhecimento roda no seu navegador: as páginas nunca são enviadas
Doze idiomas, incluindo híndi, russo, chinês, japonês e árabe
A camada de texto invisível fica sobre cada página, redesenhada como imagem a 144 ou 216 dpi
Duas qualidades de digitalização, trocando velocidade por precisão em letra pequena
Saída em texto simples além do PDF pesquisável
Progresso por página, com um controle para parar documentos longos
Os dados de idioma são baixados uma vez e ficam em cache no navegador
Como usar OCR de PDF
Solte o PDF escaneado na página
Escolha o idioma impresso na página e uma qualidade de digitalização
Inicie o reconhecimento e acompanhe o avanço pelas páginas
Baixe o PDF pesquisável, ou só o texto reconhecido
Exemplo
Entrada
1987-minutes.pdf — 8 scanned pages, typewritten English
Saída
1987-minutes-searchable.pdf — pages redrawn at 144 dpi, now with selectable text behind them.
As páginas parecem as mesmas, redesenhadas na resolução escolhida, e as palavras agora estão dentro do arquivo.
Erros comuns e solução de problemas
O texto reconhecido está cheio de erros. — O reconhecimento depende do escaneamento. Tente a qualidade maior e confira se o idioma bate com a página: dados de inglês numa página em alemão produzem exatamente isso.
O reconhecimento está muito lento. — É um trabalho genuinamente pesado, e acontece no seu próprio processador e não num servidor. Use a qualidade rápida e divida documentos longos.
Um documento com dois idiomas reconhece mal. — Um idioma é usado por execução. Divida o documento por idioma, reconheça cada parte e junte os resultados.
A escrita à mão não foi reconhecida. — Isto reconhece texto impresso e datilografado. Escrita à mão exige uma classe de modelo completamente diferente.
Perguntas frequentes
O texto reconhecido substitui o escaneamento?
Não. Cada página continua como imagem, redesenhada a 144 ou 216 dpi, com o texto reconhecido acrescentado atrás, invisível, então o PDF pesquisável parece o original. Como o arquivo é refeito a partir dessas imagens, um escaneamento de resolução maior volta na resolução escolhida, e links e campos de formulário não são mantidos.
Minhas páginas escaneadas são enviadas para o reconhecimento?
Não. O reconhecimento roda no seu navegador e suas páginas nunca saem dele. No primeiro uso, o navegador baixa de uma CDN pública os arquivos do programa de reconhecimento e os dados de idioma; nada do seu documento é enviado, e os dados de idioma ficam em cache para a próxima vez.
Quantas páginas posso reconhecer de uma vez?
Até trinta por execução, porque o reconhecimento é lento o bastante para que documentos longos sejam melhor tratados em lotes.
Que qualidade devo escolher?
Comece pela rápida. Passe para a maior quando a letra for pequena, o escaneamento for antigo, ou a primeira tentativa sair bagunçada.
Posso rodar OCR num PDF que já tem texto?
Pode, mas não faz sentido: confira antes tentando selecionar uma palavra. Se já houver texto, converta direto.
Ferramentas relacionadas
PDF para texto — Extraia texto selecionável de um PDF como texto puro ou Markdown.