OCR para PDF

Torne um PDF pesquisável e copiável (reconhecimento de texto).

Como funciona:

  • Extrair texto: Usa Tesseract OCR para reconhecer texto de imagens digitalizadas ou PDFs.
  • Saída pesquisável: Cria um novo PDF com camada de texto invisível, tornando seu documento totalmente pesquisável e preservando a aparência original.
  • Filtragem de caracteres: Use whitelists para filtrar caracteres indesejados e melhorar a precisão para tipos específicos de documentos (faturas, formulários, etc.).
  • Suporte multilíngue: Selecione vários idiomas para documentos com conteúdo em idiomas mistos.

Clique para selecionar um arquivo ou arraste e solte

Seus arquivos nunca saem do seu dispositivo.

Como funciona

1

Carregar arquivo

Clique ou arraste seu arquivo aqui

2

Processo

Clique no botão de processamento

3

Baixar

Salve seu arquivo processado instantaneamente

Ferramentas PDF relacionadas

Mesclar PDF

Ferramenta online gratuita para mesclar PDF

Compactar PDF

Ferramenta online gratuita para compactar PDF

Dividir PDF

Ferramenta online gratuita para dividir PDF

Editar PDF

Ferramenta online gratuita para edição de PDF

Girar PDF

Ferramenta on-line gratuita para girar PDF

Perguntas frequentes

Como posso saber se meu PDF precisa de OCR?

Abra o arquivo em qualquer visualizador e tente selecionar uma linha de texto. Se nada for destacado ou a pesquisa não encontrar correspondências, as páginas serão apenas imagens (uma digitalização ou uma foto) e o OCR é o que adiciona o texto que falta. Um PDF que já possui texto selecionável não precisa desta ferramenta.

Quais idiomas ele pode reconhecer?

Mais de 100 pacotes de idiomas do Tesseract estão listados, de inglês e espanhol a árabe, hindi, japonês e chinês. Marque todos os idiomas que aparecem no documento; os pacotes são carregados juntos para que as páginas de idiomas mistos sejam reconhecidas em uma única passagem. Algumas implantações auto-hospedadas agrupam uma lista mais curta e aparecem acima do seletor de idioma.

O OCR altera a aparência do meu documento?

Não. As páginas originais são copiadas inalteradas e uma camada de texto invisível é desenhada no topo, posicionada palavra por palavra para corresponder à digitalização. Você vê a mesma imagem de antes, mas agora pode pesquisar, selecionar e copiar o texto.

Qual configuração de resolução devo usar?

Alto (288 DPI) é o padrão e lida com documentos típicos de escritório. Mude para Padrão (192 DPI) quando a velocidade for importante ou o arquivo for longo e use Ultra (384 DPI) para letras pequenas, notas de rodapé ou digitalizações de baixa qualidade. Configurações mais altas demoram visivelmente mais tempo, pois cada página é renderizada nesse tamanho antes do reconhecimento.

O que a lista de permissões de personagens faz?

Ele restringe a saída a um conjunto fixo de caracteres, o que reduz erros, como l minúsculo sendo lido como 1. A predefinição da fatura permite apenas dígitos e símbolos $ . , / - # :, Numbers Only é adequado para números de série ou leituras de medidores, e Custom permite que você digite seu próprio conjunto.

Ele consegue ler caligrafia?

Não é confiável. O Tesseract é treinado em texto impresso, então letras maiúsculas organizadas às vezes funcionam, mas a letra cursiva produz principalmente ruído. Os resultados são melhores em páginas impressas limpas e bem iluminadas; a opção Binarizar ajuda com digitalizações desbotadas ou com baixo contraste, e Desnivelar PDF endireita os inclinados primeiro.

Posso obter apenas o texto reconhecido em vez de um PDF?

Sim. Quando o OCR termina, o texto extraído aparece em uma caixa onde você pode revisá-lo, copiá-lo para a área de transferência ou baixá-lo como ocr-text.txt. O download do PDF pesquisável é separado, então você pode fazer um ou ambos.

O OCR carrega minhas digitalizações para um servidor?

Não. O Tesseract é executado como WebAssembly dentro do seu navegador; os únicos downloads são o mecanismo de OCR e os pacotes de idiomas selecionados, obtidos na primeira vez que forem necessários. As páginas digitalizadas e o texto reconhecido permanecem no seu dispositivo.