OCR para PDF pesquisável no seu computador

As suas digitalizações tornam-se pesquisáveis e selecionáveis. O OCR corre inteiramente no navegador: o documento nunca é enviado para um servidor. O plano Gratuito inclui um PDF por dia; o Passe 7 dias e o Pro são ilimitados.

100% privado: tudo é processado no seu computador, os seus ficheiros nunca saem do seu dispositivo.

Ferramentas

  1. Carregue o seu PDF digitalizado: abre-se localmente no seu computador
  2. O texto é reconhecido localmente (espanhol e inglês); as páginas com texto mantêm-se como estão
  3. Descarregue um PDF idêntico com camada de texto pesquisável

O que faz a ferramenta Reconhecer texto (OCR)

A ferramenta Reconhecer texto (OCR) recebe um PDF digitalizado, reconhece o texto de cada página digitalizada e escreve esse texto de novo no PDF como uma camada invisível colocada exatamente sobre as palavras impressas. A página tem o mesmo aspeto que antes, mas agora pode pesquisá-la, selecionar e copiar o seu texto, e qualquer indexador ou sistema documental o pode ler. O reconhecimento corre no seu navegador: a digitalização nunca é enviada.

A ferramenta reconhece espanhol e inglês, carregados em conjunto, o que cobre faturas, contratos, cartas oficiais, recibos e relatórios antigos em qualquer das línguas ou misturadas. É o passo que transforma uma pasta de digitalizações em documentos onde realmente se encontram coisas, e é a preparação natural antes de resumir, extrair texto ou anonimizar um ficheiro digitalizado.

Como tornar pesquisável um PDF digitalizado

  1. Adicione o seu PDF. O ecrã de configuração mostra o nome do ficheiro e o número de páginas e lembra o que vai acontecer: o espanhol e o inglês são reconhecidos, as páginas que já têm texto não são alteradas e tudo corre no seu computador.
  2. Prima Reconhecer texto. Na primeira vez, o navegador descarrega o motor de reconhecimento e os dois pacotes de idiomas, cerca de 8 MB no total, a partir do próprio domínio do OléPDF; depois ficam em cache.
  3. Aguarde alguns segundos por página digitalizada. Cada página é desenhada a 350 pontos por polegada num computador, ou 200 num telemóvel, o seu contraste é normalizado, as páginas de lado são detetadas e endireitadas e as palavras com pouca confiança são descartadas.
  4. Descarregue o resultado, com o sufixo _ocr. Abra-o em qualquer leitor e experimente a caixa de pesquisa.
  5. Com o Passe de 7 dias ou o Pro pode adicionar vários PDFs e premir Executar OCR em N PDFs para receber um ZIP com um ficheiro pesquisável por digitalização.

Limites e comportamentos que convém conhecer

Só são processadas as páginas que não têm texto utilizável. Uma página é tratada como digitalizada quando contém menos de dez carateres de texto real; as páginas com uma camada de texto existente são copiadas sem alterações, por isso é seguro executar a ferramenta num documento misto.

Privacidade: o reconhecimento é feito no seu dispositivo

O motor de reconhecimento é uma versão WebAssembly distribuída pelo OléPDF, e os pacotes de idiomas são fornecidos a partir do mesmo domínio. As imagens das páginas são desenhadas no seu navegador, entregues ao motor em memória e descartadas quando a tarefa termina. O documento nunca é enviado, nenhum texto é enviado para lado nenhum e nenhum script de terceiros está envolvido. Até o limite diário do plano gratuito é contado localmente no seu navegador.

Isso torna a ferramenta adequada para digitalizações que seria problemático enviar: documentos de identificação, processos clínicos, recibos de vencimento, peças judiciais.

Utilizações habituais

Perguntas frequentes

O OCR é gratuito no OléPDF?

O plano gratuito inclui um documento com OCR por dia, contado por ferramenta. O Passe de 7 dias, um pagamento único, e o plano Pro dão OCR ilimitado e permitem lotes de vários PDFs.

A minha digitalização é enviada para reconhecimento?

Não. O motor e os dados de idioma são descarregados uma vez a partir do próprio domínio do OléPDF e correm no seu navegador. O PDF e o seu texto nunca saem do seu computador.

Que idiomas são reconhecidos?

Espanhol e inglês, sempre os dois ao mesmo tempo. Não há seletor de idioma nem suporte para outras escritas.

O PDF fica com um aspeto diferente depois?

Não. A imagem digitalizada é mantida tal como está. A única alteração é uma camada de texto invisível alinhada com as palavras impressas, que é o que faz a pesquisa e a seleção funcionarem.

E se algumas páginas já tiverem texto?

Ficam exatamente como estavam. Só as páginas com menos de dez carateres de texto real são tratadas como digitalizações e reconhecidas.

Quanto tempo demora?

Alguns segundos por página digitalizada num computador moderno, mais num telemóvel, onde o reconhecimento corre a uma resolução mais baixa para poupar memória. A primeira execução acrescenta a transferência única do motor.

Conversor de PDF

Todas as ferramentas

Fotos em vez de PDF? Experimenta o OléPIC, as nossas ferramentas de imagem.

Vídeos em vez de PDF? Experimenta o OléVIDEO, as nossas ferramentas de vídeo.