Como deixar um PDF digitalizado pesquisável
O scanner ou o app do celular guarda cada página como imagem, então não dá para buscar uma palavra nem copiar uma frase. O reconhecimento óptico de caracteres (OCR) lê a imagem e adiciona uma camada de texto invisível por cima.
Com a camada de texto, o PDF se comporta como um documento comum: a busca encontra nomes e valores, você copia trechos e os indexadores sabem do que o documento trata.
Passo a passo
Confira a digitalização
Abra o PDF e procure páginas de lado ou de cabeça para baixo, borradas ou muito escuras. O OCR lê melhor páginas retas e nítidas.
Gire as páginas tortas
Gire as páginas que estão de lado para que todas as linhas fiquem da esquerda para a direita. Isso acontece no navegador e leva segundos.
Rode o OCR
Envie a digitalização para a ferramenta de OCR e escolha o idioma do texto: inglês, português, espanhol, francês, alemão ou italiano. A versão grátis lê até 10 páginas.
Copie o que precisar
Busque no novo PDF ou selecione o texto com o mouse. Se só quer as palavras, a ferramenta de copiar texto entrega o texto reconhecido direto.
Reduza o resultado
Digitalizações são pesadas. Comprima o PDF pesquisável para arquivar ou mandar por e-mail; a camada de texto continua no lugar.
Ferramentas usadas neste guia
Dúvidas sobre esta tarefa
- O OCR muda a aparência das páginas?
- Não. As imagens das páginas ficam como estavam; o texto reconhecido entra como uma camada invisível que você pode buscar e selecionar.
- Quão preciso é o reconhecimento?
- Texto impresso e limpo costuma ser bem lido. Letra de mão, carimbos, letras miúdas e digitalizações escuras geram mais erros; confira nomes e números antes de confiar neles.
- Minha digitalização tem mais de 10 páginas. E agora?
- Divida em partes de até 10 páginas, rode o OCR em cada parte e junte os resultados. Para documentos longos, a plataforma AuraDoc faz o OCR dentro da sua conta.
Termos de PDF explicados
- OCR (reconhecimento óptico de caracteres)O OCR transforma a imagem de uma página em texto que pode ser pesquisado e copiado. Veja como funciona, o que afeta a precisão e por que um PDF digitalizado precisa dele.
- Camada de textoA camada de texto é a parte do PDF que guarda caracteres de verdade, para você pesquisar, selecionar e copiar. Veja como as digitalizações ganham uma com OCR e como conferir.
- Rotação de páginaAs páginas de um PDF podem girar 90, 180 ou 270 graus sem mudar o conteúdo. Veja como a rotação é armazenada, por que digitalizações saem de lado e como corrigir.
- Imagens rasterizadasUma imagem rasterizada é uma figura feita de uma grade de pixels, como uma foto ou uma digitalização. Veja como ela fica dentro do PDF, como a resolução afeta qualidade e tamanho e seus limites.
- Detecção de idiomaA detecção de idioma descobre em qual idioma está escrito o texto de um PDF. Veja como ela funciona, por que precisa de texto real em vez de digitalização e onde ajuda.
- Acessibilidade de PDFAcessibilidade de PDF significa que o documento pode ser lido pelo maior número de pessoas, inclusive quem usa leitor de tela. Veja o que ajuda e o que ferramentas simples fazem e não fazem.
- PDF de imagemUm PDF de imagem armazena cada página como figura, em geral vinda de scanner ou celular. Entenda por que não dá para pesquisar nem copiar o texto e como o OCR resolve isso.
- 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.
- Ordem de processamentoA ordem em que você aplica as etapas a um PDF muda o resultado. Veja por que o reconhecimento de texto vem antes da compressão, por que a assinatura fica por último e como evitar refazer o trabalho.
- PDF nativo digitalUm PDF nativo digital é criado por um programa, não por um scanner. Veja como ele difere de um escaneado, por que o texto pode ser selecionado e pesquisado e como saber qual você tem.
- 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.
- PDF pesquisávelUm PDF pesquisável tem uma camada de texto: você busca palavras na caixa de pesquisa, seleciona e copia. Veja a diferença para uma digitalização comum e como conferir se o arquivo é mesmo pesquisável.
- BinarizaçãoA binarização converte cada pixel de um escaneamento em preto puro ou branco puro, usando um limiar. Veja por que ela reduz o arquivo, ajuda o reconhecimento de texto e quando apaga escrita fraca ou fotos.
- Ruído de digitalizaçãoRuído de digitalização é o granulado, os pontinhos e as bordas escuras que o scanner acrescenta à página. Veja de onde vem, como afeta o tamanho do arquivo e o reconhecimento de texto e quais ajustes ajudam mais.
- Mapeamento de texto UnicodeO mapeamento Unicode diz ao PDF qual caractere cada glifo representa. Veja por que o texto copiado vira símbolos ou lacunas, o que significa um mapa ausente e como o OCR pode reconstruir o texto.
- Reconhecimento de escrita à mãoO reconhecimento de escrita à mão transforma texto manuscrito em texto digital. Entenda por que é mais difícil que ler texto impresso, o que afeta o resultado e por que conferir sempre.
- 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.
- Digitalização de caderno de laboratórioDigitalizar um caderno de laboratório transforma páginas manuscritas em PDF. Veja como juntar, endireitar, pesquisar e datar as páginas para arquivar e achar o registro com facilidade.
- Caderno de campoO caderno de campo mantém em ordem plantio, tratamentos, colheitas e vendas. Veja como transformar páginas de papel e fotos em um PDF pesquisável.
- Conta de consumoA conta de consumo mostra o que você usou e deve de luz, gás, água ou aquecimento. Veja o que ela contém e como compartilhar só a página que o pedido exige.
- Registro de loteO registro de lote documenta como um lote de um produto foi fabricado e verificado. Veja como juntar, numerar e tornar pesquisáveis as páginas digitalizadas em um só PDF.