PDF digitalizado ou PDF pesquisável
Dois PDF podem parecer idênticos no ecrã e comportar-se de forma muito diferente. Uma simples digitalização contém apenas imagens das páginas, por isso o computador vê píxeis e não palavras. Um PDF pesquisável acrescenta uma camada de texto invisível por cima das imagens, o que permite pesquisar, selecionar e copiar o texto. O reconhecimento ótico de caracteres, o OCR, é o passo que cria essa camada a partir das imagens das páginas.
Resumo
| Critério | Digitalizado (apenas imagem) | Pesquisável (com camada de texto) |
|---|---|---|
| O que contém | Apenas imagens das páginas. | As mesmas imagens e ainda o texto reconhecido. |
| Pesquisa com Ctrl+F | Não encontra nada. | Encontra palavras e expressões. |
| Copiar e colar | Não copia nada, ou copia uma imagem. | Copia o texto. |
| Leitores de ecrã | Não conseguem ler o conteúdo em voz alta. | Conseguem ler o texto reconhecido. |
| Aspeto | Exatamente como foi digitalizado. | Idêntico, porque a camada de texto é invisível. |
| Como se obtém | Diretamente do digitalizador ou de uma fotografia tirada com o telemóvel. | Executando o OCR sobre o ficheiro digitalizado. |
Qual é a precisão da camada de texto?
A precisão do OCR depende da digitalização. Páginas direitas, bem iluminadas e a cerca de 300 DPI dão bons resultados; manuscritos, carimbos, letra miúda e fotografias tortas dão mais erros. Rodar e recortar as páginas antes melhora o resultado. Como a camada resulta de um reconhecimento, pode conter erros mesmo quando a imagem da página parece perfeita, por isso confirme nomes e números importantes antes de confiar numa pesquisa.
Quando escolher cada opção
Digitalizado (apenas imagem)
Mantenha a digitalização só com imagem quando precisar apenas de uma cópia visual, por exemplo uma página assinada que ninguém vai pesquisar. O ficheiro continua simples e não há dúvidas sobre texto reconhecido.
Pesquisável (com camada de texto)
Torne o PDF pesquisável quando precisar de encontrar palavras, copiar excertos para outro documento, usar um leitor de ecrã ou manter um acervo grande fácil de pesquisar no futuro. Os ficheiros pesquisáveis também permitem extrair texto e tabelas para outros programas.
Ferramentas gratuitas para ambas as opções
Guias que põem o termo em prática
- 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.
- Digitalizar um acervo em papelPasso a passo: converta ficheiros TIFF do digitalizador e do fax em PDF, junte cada lote num documento, retire os versos em branco e reduza as digitalizações para arquivar.
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
- Como sei se o meu PDF já tem texto?
- Tente selecionar ou pesquisar uma palavra. Se nada ficar realçado, a página é uma imagem e precisa de OCR.
- O OCR altera o aspeto do documento?
- Não. O texto reconhecido fica numa camada invisível por trás da imagem da página, pelo que o resultado visual é o mesmo. Continua a poder ampliar, imprimir e anotar a página como antes.
- Que línguas lê a ferramenta de OCR?
- A ferramenta gratuita de OCR lê inglês, português, espanhol, francês, alemão e italiano.