pdfMB

OCR PDF

Deixe um PDF escaneado pesquisável e copie o texto dele. As páginas continuam exatamente iguais, e seu arquivo fica neste aparelho.

  • Sem envioSeu arquivo fica neste aparelho.
  • Os dados de idioma são baixados uma vezSó os dados de leitura dos seus idiomas são baixados e depois guardados neste aparelho.
  • Grátis, sem cadastroSem conta e sem limite diário.

O que acontece com seu arquivo

Tudo o que está descrito abaixo acontece dentro do seu navegador, no seu próprio aparelho. Seu PDF ou suas fotos nunca são enviados, então ninguém mais, nem nós, consegue ver.

  1. O leitor de texto é o Tesseract, um mecanismo de OCR gratuito e de código aberto, rodando no seu navegador. Ele é carregado do próprio pdfMB, não do servidor de outra empresa.
  2. Na primeira vez que você usa um idioma, os dados dele (entre 0,5 e 3 MB) são baixados do pdfMB e guardados pelo navegador. Esse é o único download: seu arquivo não vai para lugar nenhum.
  3. Cada página é desenhada como imagem a 300 dpi e lida linha por linha. Páginas que já têm texto de verdade são puladas, a não ser que você peça para ler.
  4. As palavras encontradas são adicionadas à página como texto invisível, posicionado sobre as mesmas palavras da imagem. Assim, pesquisar, selecionar e copiar funcionam em qualquer leitor de PDF.
  5. Nada nas páginas é redesenhado ou comprimido de novo. O texto novo é adicionado no fim do arquivo, e o arquivo original continua dentro dele sem nenhuma alteração, byte por byte.
  6. As fotos entram no PDF do jeito que estão (fotos JPEG não são comprimidas de novo), e o texto é adicionado por cima delas.
Resumindo
  1. Escolha um PDF ou fotos
  2. Confira os idiomas
  3. Toque em “Ler”
  4. Baixe ou copie o texto

Como deixar um PDF escaneado pesquisável

  1. Escolha um PDF, ou uma ou mais fotos de páginas.
  2. Confira os idiomas. O idioma desta página e o inglês já vêm escolhidos; adicione qualquer outro idioma que apareça no documento.
  3. Toque em “Ler”. As páginas são lidas uma por uma, e você vê qual página está sendo lida.
  4. Baixe o PDF pesquisável, ou copie o texto e salve como arquivo .txt.

Dicas para um bom resultado

  • Escaneie a 300 dpi se o seu scanner deixar escolher. Em resoluções menores, letras pequenas ficam difíceis de ler.
  • Fotografe as páginas retas, de frente e com boa luz, sem sombra sobre o texto. A ferramenta Escanear para PDF endireita as páginas para você.
  • Primeiro, coloque na posição certa as páginas de lado ou de cabeça para baixo com Girar PDF.
  • Escolha só os idiomas que realmente estão no documento. Idiomas a mais deixam a leitura mais lenta e podem trazer erros.
  • Letra de mão, letras muito pequenas e fontes decorativas são mal lidas, então confira o texto antes de confiar nele.

Quando as pessoas usam

Contratos e cartas escaneados

Encontre um nome, uma data ou um valor em um documento escaneado longo com Ctrl+F, sem ter que ler todas as páginas.

Papelada antiga e arquivos

Deixe pastas de páginas escaneadas pesquisáveis, para o computador achar um documento pelas palavras que estão nele.

Fotos de avisos e recibos

Copie o texto da foto de um aviso, de um cardápio ou de um recibo e cole em uma mensagem ou em um tradutor.

Documentos em mais de um idioma

Escolha dois ou mais idiomas, como português e inglês ou chinês e inglês, e os dois são lidos na mesma página.

O que ele não faz

  • O OCR erra, principalmente com fotos borradas, letras pequenas, tabelas e letra de mão. Sempre confira nomes, números e valores importantes.
  • O texto é lido em linhas horizontais. Chinês ou japonês na vertical, e páginas de lado, não são lidos corretamente.
  • O layout não é refeito. Você recebe texto pesquisável sobre a página original, não um documento do Word editável.
  • Nos nossos testes, alguns idiomas são lidos com menos precisão que outros. Eles aparecem marcados como “menor precisão” na lista de idiomas.
  • Os dados de um idioma são baixados na primeira vez que você usa esse idioma (o tamanho aparece antes de começar), então nessa primeira vez é preciso ter internet.
  • A leitura acontece no seu aparelho, então é mais lenta em celulares antigos, e documentos muito longos podem esgotar a memória do celular. Divida-os em partes primeiro.
  • PDFs com senha, e PDFs cujo dono bloqueou alterações, não podem ser lidos.

Perguntas sobre OCR

O que é OCR?

OCR (reconhecimento óptico de caracteres) é ler as letras de uma imagem e transformá-las em texto de verdade. Um PDF escaneado é só imagem das páginas, então não dá para pesquisar nem copiar nada dele até passar pelo OCR.

Meu PDF vai ficar diferente?

Não. O texto é adicionado como uma camada invisível, então as páginas continuam exatamente iguais. Nos nossos testes, as páginas ficam idênticas, pixel por pixel, antes e depois.

Meu documento é enviado?

Não. O leitor de texto roda no seu navegador. A única coisa baixada são os dados de idioma, do pdfMB. Seu arquivo nunca é enviado para lugar nenhum.

Quais idiomas ele lê?

Os 32 idiomas deste site, entre eles português, inglês, tailandês, chinês (simplificado e tradicional), japonês, coreano, árabe, hebraico, hindi, bengali, birmanês, russo e vietnamita. Escolha vários se o documento misturar idiomas.

Qual é a precisão?

Em páginas impressas limpas, a maioria dos idiomas acerta quase todos os caracteres. Fotos, letras pequenas e alguns sistemas de escrita são mais difíceis. Testamos todos os idiomas e marcamos os mais fracos como “menor precisão”.

Por que algumas páginas são puladas?

Páginas que já têm texto de verdade, como as criadas no Word, não precisam de OCR, então ficam como estão. Marque “Ler também as páginas que já têm texto” para ler mesmo assim.

Dá para pegar só o texto?

Sim. Depois da leitura, o texto aparece embaixo do botão de download. Toque em “Copiar texto”, ou em “Baixar .txt” para salvar como arquivo de texto simples.