OCR ou reescrita manual: dois jeitos de tirar o texto de uma digitalização
Uma página digitalizada é uma imagem, então não consegue pesquisá-la nem copiar uma frase dela. Há dois jeitos de extrair as palavras. O reconhecimento óptico de caracteres lê a imagem e cria uma camada de texto em segundos. Reescrever é escrever o texto por si, o que é lento, mas permite corrigir e reestruturar à medida que avança. A melhor escolha depende do tamanho, da qualidade da impressão e da exatidão exigida no resultado.
Resumo
| Critério | OCR | Reescrita |
|---|---|---|
| Velocidade | Um documento de várias páginas em pouco tempo. | Lenta, e o esforço cresce a cada página. |
| Precisão | Boa em impressão limpa, mais fraca em texto desbotado, manuscrito ou fontes incomuns. | Depende de quem digita, e erros de digitação são possíveis. |
| Layout | Mantém as páginas como estão e acrescenta uma camada de texto oculta. | Decide-se a estrutura, mas precisa reconstruí-la. |
| Esforço em documentos longos | Quase o mesmo para 5 páginas ou 500. | Inviável para documentos longos. |
| Manuscritos e digitalizações danificadas | Muitas vezes pouco confiável. | Uma pessoa costuma ler o que o software não consegue. |
A combinar os dois
Os métodos funcionam bem juntos. Aplique primeiro o reconhecimento de texto para que o documento se torne pesquisável, depois confira as partes importantes, como nomes, valores e datas, e corrija o que parecer errado. Isso é muito mais rápido do que escrever tudo e ainda dá um resultado confiável onde importa.
Quando escolher cada opção
OCR
Escolha o OCR para páginas escritas ou impressas, para documentos longos e quando quiser que o PDF continue pesquisável e com a mesma aparência.
Reescrita
Reescreva quando a página for um bilhete curto, um manuscrito ou uma cópia muito danificada, e quando quiser reescrever o conteúdo de qualquer modo.
Ferramentas gratuitas para ambas as opções
Guias que põem o termo em prática
Termos de PDF explicados
- OCR (reconhecimento ótico de carateres)O OCR transforma a imagem de uma página em texto que pode ser pesquisado e copiado. Veja como funciona, o que influencia a precisão e porque é que um PDF digitalizado precisa dele.
- Camada de textoA camada de texto é a parte do PDF que guarda caracteres verdadeiros, para que os possa pesquisar, selecionar e copiar. Veja como as digitalizações a obtêm com OCR e como a confirmar.
Perguntas frequentes
- Qual a precisão do reconhecimento de texto?
- Em uma digitalização nítida e reta de impressão normal, costuma ser muito boa. Desfoque, sombras e fontes decorativas reduzem a precisão, então revise números e nomes.
- O OCR muda a aparência do meu PDF?
- Não. A imagem da página continua a mesma, e o texto reconhecido é adicionado de forma invisível por trás, para pesquisar e copiar.
- Que ferramentas fazem isto?
- OCR de PDF adiciona a camada de texto, Copiar texto de PDF digitalizado extrai as palavras, e PDF para texto entrega um ficheiro de texto simples.