Torne um PDF pesquisável e copiável (reconhecimento de texto).
Como funciona:
Clique para selecionar um arquivo ou arraste e solte
Seus arquivos nunca saem do seu dispositivo.
Selecionado: Nenhum
Apenas estes caracteres serão reconhecidos. Deixe vazio para todos os caracteres.
Apenas estes caracteres serão reconhecidos. Deixe vazio para todos os caracteres.
Inicializando...
Seu PDF pesquisável está pronto. Você também pode copiar ou baixar o texto extraído abaixo.
Processando...
Clique ou arraste seu arquivo aqui
Clique no botão de processamento
Salve seu arquivo processado instantaneamente
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.
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.
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.
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.
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.
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.
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.
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.