O que é a ordem de leitura de um PDF?
A ordem de leitura é a sequência pela qual um programa percorre o texto de uma página. Uma pessoa olha para a composição e sabe que o título vem primeiro, depois a coluna da esquerda, depois a da direita, e que a legenda pertence à respetiva imagem. O PDF não regista esse conhecimento por defeito. Guarda palavras em posições da página, e a ordem em que foram gravadas no ficheiro pode seguir o programa de paginação e não a lógica da página.
Onde a ordem falha
Os problemas surgem em tudo o que não seja uma única coluna de parágrafos simples. Num artigo de duas colunas, o comando de copiar pode saltar do topo da coluna esquerda direto para o topo da direita. Barras laterais, notas de rodapé, cabeçalhos e células de tabela podem entrar a meio de uma frase. O texto extraído de uma digitalização depende da forma como o reconhecimento adivinhou os blocos, e uma página de aspeto limpo pode mesmo assim dar um resultado embaralhado.
Porque importa para lá de copiar / O que pode verificar por si
A ordem de leitura afeta tudo o que trata o texto como um fluxo: pesquisar uma frase que atravessa uma quebra de linha, converter o ficheiro num documento editável, resumir, traduzir e ler em voz alta com um leitor de ecrã. Quem usa tecnologia de apoio ouve a página exatamente nessa sequência, pelo que uma ordem errada é um problema de acessibilidade, além de um incómodo. Selecione alguns parágrafos no visualizador e cole-os num editor de texto simples. Se as frases chegarem pela sequência em que as leria, a ordem está boa. Se as colunas se misturarem, o documento tem estrutura fraca e uma cópia convertida vai exigir arrumação manual. As páginas com uma coluna clara e títulos comuns funcionam quase sempre bem.
Usar o AuraDoc para isto
PDF para texto extrai as palavras de cada página para um ficheiro de texto simples, PDF em Word gera um documento editável onde pode reordenar os blocos e OCR em PDF reconhece o texto de uma página digitalizada para que possa ser selecionado. Confira o resultado com a página, porque os documentos de composição complexa podem pedir uma passagem manual. Cada resultado é um ficheiro novo e o original fica intacto.
Ferramentas que usam este termo
Guias que põem o termo em prática
- Extrair o texto de um PDFPasso a passo: leia a camada de texto de um PDF, execute o reconhecimento de texto numa digitalização e transforme o resultado num ficheiro Word editável.
- Editar um PDF como ficheiro WordPasso a passo: veja se o PDF tem texto de verdade, execute o OCR se não tiver, converta para Word, compare com o original e guarde o texto final de novo em PDF.
Perguntas frequentes
- Porque é que o texto copiado do meu PDF sai fora de ordem?
- O ficheiro guarda as palavras por posição, não pela história. Quando a página tem colunas, barras laterais ou tabelas, a ordem de gravação pode diferir da ordem em que uma pessoa lê.
- Uma página digitalizada tem ordem de leitura?
- Só depois do reconhecimento de texto. Essa etapa divide a página em blocos e decide a sequência, e uma composição pouco habitual pode confundi-la.
- É possível corrigir a ordem sem voltar a escrever o documento?
- Muitas vezes sim. Converter para um formato editável permite mover blocos inteiros, o que é mais rápido do que voltar a escrever. As páginas simples de uma coluna não precisam de correção.