Rodar antes do OCR ou depois do OCR: qual ordem dá um PDF pesquisável que se lê direito
Uma digitalização com páginas de lado ou invertidas precisa de duas correções: virar as páginas e tornar o texto pesquisável. A ordem importa porque o reconhecimento de texto lê a página como ela é apresentada. Uma página virada para o lado errado é mais difícil de ler, então o texto reconhecido pode ficar fraco ou faltar, e o trabalho precisa ser refeito. Rodar primeiro costuma ser a ordem mais segura.
Resumo
| Critério | Rodar e depois OCR | OCR e depois rodar |
|---|---|---|
| Leitura da página | A página está na vertical quando é reconhecida, então o texto tem a melhor chance de ser lido. | Uma página de lado é reconhecida como está, o que pode dar um texto fraco. |
| Texto pesquisável | A busca encontra palavras nas páginas já corrigidas. | A busca pode perder palavras de páginas que estavam viradas para o lado errado. |
| Trabalho extra | Nenhum, as páginas forem rodadas uma só vez e o reconhecimento correr uma só vez. | Pode ser preciso repetir o reconhecimento depois de rodar. |
| Verificação antes de começar | O utilizador percorre as páginas para ver quais precisam ser rodadas. | O utilizador pula a verificação e descobre o problema mais tarde. |
| Caso típico | Uma digitalização em lote com algumas páginas de lado ou invertidas. | Um ficheiro em que todas as páginas já estão na vertical. |
Decida pelo aspecto das páginas
Se vir que algumas páginas estão viradas, corrija-as primeiro e reconheça depois. O reconhecimento então trabalha em páginas na posição certa e uma única passada basta. Se todas as páginas já estão na vertical, a ordem não importa e pode reconhecer de uma vez. Seja qual for a ordem escolhida, abra o resultado e procure uma palavra que sabe estar numa página que foi rodada.
Quando escolher cada opção
Rodar e depois OCR
Rode primeiro quando qualquer página da digitalização estiver de lado ou invertidas.
OCR e depois rodar
Reconheça primeiro apenas quando todas as páginas já estiverem na vertical e nenhuma rotação for necessária.
Ferramentas gratuitas para ambas as opções
Guias que põem o termo em prática
- Corrigir páginas deitadas e viradas ao contrárioPasso a passo: rode as páginas digitalizadas do lado errado, ponha-as por ordem e apague as páginas em branco ou repetidas, para que o PDF se leia do princípio ao fim.
- Tornar pesquisável um PDF digitalizadoPasso a passo: endireite as páginas da digitalização, faça OCR para pesquisar e copiar o texto e depois reduza o ficheiro para o guardar ou partilhar.
Termos de PDF explicados
- Rotação de páginaAs páginas de um PDF podem rodar 90, 180 ou 270 graus sem alterar o conteúdo. Veja como a rotação é guardada, porque é que as digitalizações saem de lado e como corrigir.
- 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.
- Contagem de páginasA contagem de páginas é o número de páginas que um PDF contém. Veja por que ela muda ao juntar, dividir ou eliminar páginas, por que pode diferir dos números impressos e como verificá-la antes de enviar o ficheiro.
Perguntas frequentes
- Rodar altera o texto do ficheiro?
- Rodar muda a forma como a página é exibida. Se o ficheiro ainda não tinha camada de texto, o reconhecimento adiciona uma depois, com base nas páginas como estão naquele momento.
- E se eu já executei o reconhecimento em páginas de lado?
- Rode as páginas e execute o reconhecimento de novo no ficheiro corrigido. Verifique o resultado buscando uma palavra conhecida.
- Quais das suas ferramentas tratam disto?
- Rodar PDF vira páginas, Rodar PDF digitalizado foi feito para digitalizações e OCR de PDF torna o texto pesquisável. Cada resultado é um ficheiro novo e o original permanece intacto.