Para fazer OCR e tornar um PDF escaneado pesquisável com o OnCloudPDF, escolha o arquivo, selecione o idioma do documento e clique em “Executar OCR”.
Processado no seu navegador
Sem envio de arquivos
Sem conta
1Escolher arquivo
2Ajustar e executar
3Baixar
ou solte um arquivo aqui, ou cole com CtrlV
Bom saber: Idiomas disponíveis: inglês, espanhol, francês, alemão, italiano, português, chinês (simplificado) e japonês; um idioma por execução. Todos os limites
Para fazer OCR e tornar um PDF escaneado pesquisável com o OnCloudPDF, escolha o arquivo, selecione o idioma do documento e clique em “Executar OCR”. A ferramenta roda o Tesseract.js no seu navegador e devolve um novo PDF com as imagens das páginas mais uma camada de texto invisível; a precisão depende da qualidade do escaneado e do idioma escolhido. O resultado é um PDF, não um arquivo Word nem TXT.
Atualizado · Roda no seu navegador, sem envio de arquivos e sem conta
Como usar OCR PDF
Escolha ou solte o seu PDF escaneado.
Selecione o idioma do documento na lista.
Clique em “Executar OCR” e aguarde; arquivos com várias páginas levam mais tempo.
Baixe o PDF pesquisável e confira a pré-visualização do texto.
O que faz e o que não faz
Idiomas disponíveis: inglês, espanhol, francês, alemão, italiano, português, chinês (simplificado) e japonês; um idioma por execução.
Cada página é renderizada em escala 1,5x e reconhecida pelo Tesseract; as páginas do resultado são reconstruídas a partir dessas imagens, no tamanho original da página, então o texto original e o conteúdo vetorial do PDF não são preservados.
A precisão varia: escaneados borrados, tortos ou de baixo contraste geram mais erros.
O processamento é feito página por página no seu navegador e pode ser lento em documentos longos; não há limite de páginas nem de tamanho.
Na primeira execução são baixados os dados do motor e do idioma, então é preciso ter conexão com a internet.
PDF protegidos por senha (criptografados) são recusados com uma mensagem clara, porque o OnCloudPDF ainda não consegue abri-los; remova a senha antes em outro programa. Se o resultado sair vazio ou não for um PDF válido, aparece um erro em vez de um arquivo para baixar.
Meu arquivo é enviado?
O reconhecimento roda no seu navegador e o seu PDF não é enviado. O worker do PDF.js é servido pelo próprio domínio do OnCloudPDF. O worker, o núcleo e os dados de idioma do Tesseract são baixados de uma CDN pública (jsDelivr); só esses arquivos de código e de dados são buscados, nunca o seu documento.
Copiar texto de um PDF escaneado
Um PDF escaneado é só um conjunto de imagens de páginas, então não dá para selecionar nem pesquisar o texto. Depois do OCR, o resultado mantém as imagens das páginas e acrescenta uma camada de texto invisível, posicionada sobre cada palavra reconhecida, o que permite pesquisar e copiar o texto na maioria dos leitores de PDF. A ferramenta também mostra uma pré-visualização dos primeiros 500 caracteres e a quantidade de caracteres encontrados, para você avaliar a qualidade rapidamente. Escolha antes o idioma correto, porque o reconhecimento com o idioma errado dá resultados ruins.
Formas de fazer OCR em um PDF
Formas de fazer OCR em um PDF
Critério
OnCloudPDF
Ferramentas online com servidor
Programas de computador
Onde o arquivo é processado
No seu navegador (Tesseract.js)
No servidor do provedor
No seu computador
Idiomas
8 idiomas nesta ferramenta
Depende do provedor
Depende do produto
Precisa de internet
Sim, para carregar o motor e os dados de idioma
Sim, para enviar o arquivo
Muitas vezes não
Ideal para
Escaneados ocasionais e privados
Depende do provedor
OCR frequente ou em grande volume
Perguntas frequentes
Ela realmente reconhece o texto?
Sim. Usa o Tesseract.js e acrescenta uma camada de texto invisível, posicionada sobre a imagem de cada página, para que o resultado possa ser pesquisado e copiado.
O OCR funciona com texto em português? Quais idiomas são aceitos?
Sim. Os idiomas disponíveis são inglês, espanhol, francês, alemão, italiano, português, chinês simplificado e japonês. Escolha um por execução.
Meu PDF é enviado a um servidor?
Não. O arquivo fica no navegador. Só o motor do Tesseract, os dados de idioma e o worker do PDF.js são baixados de CDNs.
O texto original e a qualidade são mantidos?
Não exatamente. As páginas são renderizadas como imagens em 1,5x para o reconhecimento e reconstruídas no tamanho original, então o resultado é formado por essas imagens e não pelo conteúdo vetorial original. Também não gera um arquivo Word: se você quer converter um PDF escaneado em texto, faça o OCR aqui e depois use PDF para texto.
Por que a primeira execução é mais lenta?
O navegador precisa baixar antes o motor e os dados do idioma. As execuções seguintes podem reaproveitar os arquivos em cache.
Ferramentas PDF relacionadas
PDF para texto – Extraia todo o texto de um PDF para um arquivo .txt no navegador. Precisa de camada de texto (se for escaneado, use antes o OCR). O arquivo não é enviado.
Contar palavras de PDF – Contar palavras de um PDF online: palavras, caracteres, páginas e tempo de leitura no navegador. Só conta a camada de texto; escaneados pedem OCR. Sem enviar.
PDF para escaneado – Faça um PDF parecer escaneado: as páginas viram imagens com ruído e leve tom amarelado, em preto e branco ou colorido. No navegador, sem enviar o arquivo.
PDF para Excel – Extraia as tabelas de um PDF com texto para um .xlsx do Excel: uma planilha por tabela, números como números. No navegador; escaneados precisam de OCR antes.
