Ferramentas de PDF para investigadores e académicos
Um investigador lida o ano todo com dois tipos de PDF: os artigos e capítulos que submete e as fontes que lê. Revistas pedem ficheiros pequenos sem dados dos autores, e acervos históricos entregam digitalizações que não permitem busca.
Os documentos que mais utiliza
Ficheiros típicos são um manuscrito, um capítulo de tese, um artigo de congresso, uma página digitalizada de acervo, uma tabela de um artigo publicado e uma figura que o utilizador quer reutilizar com crédito.
Prepare uma submissão
Muitas revistas avaliam manuscritos sem o nome dos autores, e os portais impõnum limite de tamanho. Estes três passos resolvem as duas coisas.
- Remover autor do PDFRemova o autor das propriedades do ficheiro: o autor, os outros campos de informação e os dados XMP são limpos. Nomes impressos nas páginas permanecem, então confira por si a folha de rosto.
- Numerar páginas do PDFAdicione números de página, com o primeiro número que precisar e um formato como {page} / {total}, para que os avaliadores possam citar uma página.
- Comprimir PDF para carregarComprima o ficheiro para um portal de envio. O nível mais forte é tentado primeiro; se o ficheiro ainda for grande, extraia o apêndice para outro ficheiro.
Trabalhe com as fontes
Digitalizações de ficheiro e artigos publicados trazem texto, tabelas e imagens que o utilizador quer numa forma reutilizável.
- Copiar texto de PDF digitalizadoCopie o texto de uma página digitalizada com o reconhecimento de texto. Ele lê até 10 páginas por vez no idioma que o utilizador escolher, e manuscritos ou digitalizações borradas são lidos pior.
- Extrair tabelas do PDFExtraia as tabelas de um artigo em ficheiros CSV, um para cada tabela. Funciona melhor quando a tabela tem colunas claras ou linhas de grelha.
- Extrair imagens do PDFExtraia as imagens embutidas de um PDF como ficheiros PNG num ZIP e confira a licença antes de reutilizar uma figura. Desenhos vetoriais não são extraídos.
Para onde vão os seus ficheiros
As ferramentas que só reorganizam, numeram, cortam ou lenum ficheiro correm no seu navegador, então o ficheiro nunca sai do seu dispositivo. As que exigem processamento pesado, como compressão, reconhecimento de texto ou conversão, correm num servidor seguro: o ficheiro é enviado uma vez por conexão cifrada, processado num processo descartável e apagado assim que o resultado é enviado. Ele não é guardado, registrado nem usado para treinar IA. Não precisa de conta.
Todas as ferramentas destes fluxos
- Remover autor do PDFRemover o nome do autor de um PDF
- Numerar páginas do PDFNumerar as páginas de um PDF
- Comprimir PDF para carregarComprimir um PDF para o limite de carregamentoServidor protegido
- Copiar texto de PDF digitalizadoCopiar o texto de um PDF digitalizadoServidor protegido
- Extrair tabelas do PDFExtrair as tabelas de um PDFServidor protegido
- Extrair imagens do PDFExtrair as imagens de um PDF
Comparações lado a lado
- PDF digitalizado ou pesquisávelUm PDF digitalizado contém fotografias das páginas; um PDF pesquisável contém também as palavras por trás delas. Perceba a diferença e como o OCR transforma um no outro.
- Dados de formulário ou extração de tabelasA extração de formulário lê o que foi preenchido nos campos de um PDF preenchível; a de tabelas encontra linhas e colunas numa página. Compare a origem, os formatos de saída e a utilização típica de cada uma.
Guias de formatos de ficheiro
- PDF (formato de documento portátil).pdfO PDF guarda páginas acabadas que se veem iguais em qualquer dispositivo. Saiba o que contém um PDF, onde fica aquém e como o transformar em Word, Excel, JPG ou texto.
- CSV (valores separados por vírgulas).csvO CSV guarda uma tabela em texto simples, uma linha por registo e colunas separadas por um delimitador. Veja onde se usa o CSV, as suas armadilhas e como as tabelas passam entre CSV e PDF.
- PNG (gráficos de rede portáteis).pngO PNG é um formato de imagem sem perdas e com transparência, ideal para capturas de ecrã e texto nítido. Conheça as suas utilizações e limites e como transformar imagens PNG em PDF.
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.
- Extração de tabelasA extração de tabelas transforma tabelas impressas num PDF em linhas e colunas que edita numa folha de cálculo. Veja como funciona, que limites tem e como verificar o resultado.
- Metadados de PDFOs metadados de um PDF guardam o título, o autor, o programa e as datas do documento. Veja onde ficam, o que podem revelar e como os consultar ou limpar.
Guias que põem o termo em prática
- Entregar a tese em PDFPasso a passo: numere o corpo da tese, acrescente marcadores clicáveis por capítulo, cumpra o limite do repositório e converta para PDF/A no fim, quando a biblioteca o pedir.
- Passar tabelas do PDF para o ExcelPasso a passo: distinga PDF com texto de PDF digitalizado, execute o OCR quando precisar, extraia as tabelas como dados de folha de cálculo e confira os números antes de usá-los num relatório.
- Guardar imagens de um PDFPasso a passo: veja o que o PDF contém, extraia as imagens embutidas em PNG, converta páginas em JPG nítido quando a figura for um desenho e escolha os ficheiros de que precisa.
Perguntas frequentes
- Remover o autor deixa meu manuscrito anônimo?
- Ele limpa o autor e as demais propriedades do ficheiro. Nomes escritos no texto, no cabeçalho ou nos agradecimentos permanecem, então leia o documento antes de submeter.
- Consigo ler tabelas de um artigo digitalizado?
- Só se a página tiver camada de texto. Para uma digitalização simples, execute primeiro o reconhecimento de texto e depois extraia as tabelas.
- Qual o tamanho máximo dos ficheiros?
- Cada ferramenta mostra o próprio limite antes de o utilizador começar. Para um limite de portal, comprima primeiro e separe o apêndice se for preciso.