O que é um PDF pesquisável?
Um PDF pesquisável é um ficheiro em que as palavras de cada página existem como texto de verdade, e não apenas como imagem. Por isso a caixa de busca do leitor consegue ir até uma frase, o mouse seleciona um trecho e o comando copiar leva o texto para outro programa. Uma digitalização comum parece idêntica na ecrã, mas contém só fotografias das páginas, e qualquer busca volta vazia.
Como um ficheiro se torna pesquisável
Há dois caminhos. Um documento exportado de um editor de texto, de uma folha de cálculo ou de uma página da web já nasce pesquisável, porque o programa grava os caracteres no ficheiro junto com as instruções de desenho. Um documento digitalizado ou fotografado é só uma imagem e passa a ser pesquisável depois do reconhecimento de texto: o programa lê a figura, produz os caracteres e os coloca como uma camada invisível exatamente sobre as palavras impressas. A página continua com a aparência da digitalização original, e a camada oculta é o que a busca encontra. A qualidade dessa camada depende da qualidade do original digitalizado, então uma página borrada gera uma camada com erros.
Como conferir o utilizador mesmo / Limites a lembrar
Abra o ficheiro, use o atalho de busca e digite uma palavra que o utilizador enxerga na página. Se o leitor a destacar, a página tem camada de texto. Repita na última página também, porque um ficheiro montado a partir de várias digitalizações pode ser pesquisável só em parte. Outro teste rápido é arrastar o cursor sobre um parágrafo: uma faixa azul que acompanha as linhas indica texto real, e um retângulo cobrindo a página inteira indica imagem. Uma camada de texto não garante que cada palavra esteja certa, então números, nomes e datas merecem conferência com a página antes de si confiar neles.
Como o AuraDoc ajuda
OCR de PDF adiciona a camada de texto a uma digitalização, Copiar texto de PDF digitalizado entrega as palavras de uma digitalização sem manter o layout, e PDF para texto exporta o texto de um ficheiro que já tem camada. Cada resultado é um ficheiro novo, e a digitalização de origem permanece intacta.
Ferramentas que usam este termo
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.
- 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.
Perguntas frequentes
- Como saber se meu PDF é pesquisável?
- Busque uma palavra que o utilizador vê na página. Se nada for encontrado e o cursor não conseguir selecionar texto, o ficheiro é uma imagem e precisa antes de reconhecimento de texto.
- Um PDF pesquisável tem aparência diferente de uma digitalização?
- Não. O texto reconhecido fica invisível atrás da imagem da página, então a aparência é a mesma e só a busca e a cópia passam a funcionar.
- Todas as páginas de um PDF pesquisável são pesquisáveis?
- Nem sempre. Um ficheiro montado de várias origens pode misturar páginas com camada e páginas sem ela, então teste uma palavra em mais de uma página.