Como descobrir em que idioma um PDF está escrito
Antes de traduzir, revisar ou rodar o reconhecimento de texto, ajuda saber o idioma. Este guia o detecta e mostra a divisão quando o documento mistura vários.
O detector lê texto selecionável. Uma página digitalizada não tem, então o reconhecimento precisa vir antes.
Passo a passo
Veja se há camada de texto
Tente selecionar uma palavra no PDF. Se conseguir, ele tem camada de texto e você pode ir direto para a detecção.
Detecte o idioma
Abra a ferramenta de detectar idioma e escolha o arquivo. Ela analisa uma amostra do texto e informa o idioma. Em um documento misto, mostra a proporção de cada idioma.
Trate uma digitalização
Se a ferramenta avisar que não encontrou nada, o arquivo é uma digitalização. Rode a ferramenta de OCR, escolha o idioma esperado e tente a detecção de novo.
Confirme com o texto
Abra a ferramenta de PDF para texto e leia algumas linhas para confirmar o resultado antes de usá-lo em uma tradução ou revisão ortográfica.
Anote o resultado
Escreva o idioma ao lado do nome do arquivo, para que você ou um colega não precise repetir a verificação.
Ferramentas usadas neste guia
Dúvidas sobre esta tarefa
- A detecção é precisa em textos curtos?
- Uma amostra curta pode ser pouco clara. Uma página ou mais de texto real dá uma resposta mais confiável.
- E um documento em dois idiomas?
- A ferramenta mostra a proporção de cada idioma, então dá para ver qual domina.
- Meu arquivo é enviado?
- A detecção roda em um servidor seguro. O arquivo é enviado uma vez por conexão criptografada e apagado depois que o resultado é mostrado.
Termos de PDF explicados
- Texto da direita para a esquerdaÁrabe e hebraico correm da direita para a esquerda, e números ou palavras latinas dentro deles seguem o sentido oposto. Veja por que esse texto quebra ao ser copiado de um PDF e como lidar com isso.
- Precisão do OCRPrecisão do OCR é quantos caracteres de uma página escaneada o programa lê corretamente. Veja os fatores que pesam, como resolução, inclinação e idioma, e como conferir o resultado antes de confiar nele.
- Expansão do textoExpansão do texto é a mudança de comprimento quando um texto é traduzido, em geral maior que o original e às vezes menor. Veja por que ela mexe no layout, quais idiomas mais diferem e como conferir um PDF traduzido.
- Idioma do OCRO idioma do OCR diz ao reconhecimento de texto qual alfabeto e quais palavras esperar numa página escaneada. Veja por que a escolha errada embaralha o texto e como acertar.