AuraDoc
EntrarCriar

O que é hifenização em PDF?

A hifenização é a prática de dividir uma palavra longa no fim da linha e marcar o corte com um hífen, para que as linhas do parágrafo fiquem bem preenchidas. Em um livro impresso esse trabalho é invisível, mas em um PDF o corte passa a fazer parte do texto. Ao copiar um parágrafo, buscar uma palavra ou converter o arquivo em documento editável, uma palavra como informação pode aparecer como infor- e mação em duas linhas separadas. Quem lê vê uma palavra só, enquanto o programa enxerga dois pedaços.

Hífen suave e hífen fixo

Um editor de texto pode inserir um hífen suave, que só aparece quando a palavra cai no fim da linha e some nos demais casos, ou um hífen fixo comum, que sempre faz parte da palavra, como em guarda-chuva. Quando o documento é exportado para PDF, o layout fica fixo e a diferença muitas vezes se perde. O texto extraído pode então trazer um hífen que era só uma quebra de linha, ao lado de hifens que pertencem a palavras compostas.

Efeito na busca e na extração

A busca por uma palavra inteira falha quando ela foi dividida em duas linhas, e o texto copiado mantém os pedaços quebrados. Isso também afeta o reconhecimento de texto em páginas digitalizadas, em que o programa lê o hífen como um caractere normal. A limpeza usual é juntar a palavra que termina a linha com hífen à primeira parte da linha seguinte, e manter o hífen quando a palavra é de fato composta.

Como usar o AuraDoc para isso

PDF para texto extrai as palavras de um arquivo como texto simples, PDF para Word transforma o documento em um arquivo editável e OCR de PDF reconhece o texto de páginas digitalizadas para que possa ser pesquisado. Depois de qualquer um deles, procure no resultado as palavras divididas no fim da linha. Cada resultado é um arquivo novo, então o original continua como estava.

Ferramentas que usam este termo

Guias que colocam o termo em prática

Perguntas frequentes

Um hífen no fim da linha é sempre um hífen verdadeiro?
Não. Muitas vezes é só uma quebra inserida para ajustar a linha. A linha seguinte começa com o resto da palavra, e as duas partes formam uma coisa só.
Por que não acho uma palavra que estou vendo na página?
Ela pode estar dividida em duas linhas pela hifenização, e a busca enxerga dois fragmentos em vez de uma palavra. Procurar por um trecho menor da palavra costuma resolver.
Devo remover todos os hífens do texto extraído?
Não. Só os que marcam uma quebra de linha. Hífens de palavras compostas e de intervalos fazem parte do texto e devem ficar.

Termos relacionados

Precisa de mais do que um ajuste rápido?

O AuraDoc é uma plataforma de documentos com OCR, busca e resumos com IA e mais de 60 ferramentas de PDF para equipes. Teste grátis por 7 dias.

As ferramentas marcadas como “Servidor seguro” enviam o seu arquivo uma vez, por conexão criptografada, a um servidor isolado da AuraDoc. Ele é processado num processo descartável e apagado assim que o resultado volta para você. Política de uso justo e antiabuso