Posso copiar o texto de um PDF digitalizado?
Sim. Escolha o arquivo e o idioma e pressione Extrair texto / OCR. As páginas que são só imagens são lidas por OCR, e o texto aparece na caixa para copiar. O reconhecimento pode errar, então confira o resultado com a página.
Meu PDF é enviado para um servidor?
Não. O PDF é aberto e lido no seu navegador. O mecanismo de OCR e o arquivo de idioma são carregados dos arquivos deste mesmo site na primeira vez que são necessários. O conteúdo do seu PDF não é enviado a lugar nenhum.
Que idiomas ele consegue ler?
Oferece 16: inglês, espanhol, francês, alemão, português, árabe, chinês simplificado, japonês, coreano, hindi, bengali, russo, urdu, turco, vietnamita e indonésio. Você escolhe um para cada execução, então uma página com dois idiomas é melhor dividida em execuções separadas.
Por que tenho que escolher um idioma?
O mecanismo de leitura usa um arquivo de idioma para saber quais letras e palavras esperar. Uma escolha errada dá resultados errados, como acentos perdidos. O idioma só importa para páginas digitalizadas, porque o texto real é copiado como está.
Por que a primeira execução foi lenta?
Na primeira página digitalizada, o navegador precisa baixar o mecanismo de OCR, alguns megabytes, e o arquivo de idioma, que tem cerca de 0.4 a 2 MB nos idiomas oferecidos. A página diz que o seu navegador guarda o arquivo, então as execuções seguintes são mais rápidas, a menos que o cache seja limpo.
Como a ferramenta decide que uma página precisa de OCR?
Primeiro ele tenta ler o texto guardado em cada página. Se uma página tiver mais de 20 caracteres de texto selecionável, esse texto é usado. Se não, a página é desenhada como imagem e lida com OCR. Se todas as páginas tiverem texto, o OCR não é executado e nenhum arquivo de idioma é carregado.
Ele cria um PDF pesquisável?
Não. Ele fornece texto simples para copiar, e o seu PDF original não é alterado. Se você precisar de um PDF com camada de texto oculta, precisa de outra ferramenta.
Por que algumas páginas saem como uma linha comprida?
As páginas que já têm texto próprio são lidas item por item e unidas com espaços, então suas quebras de linha não são mantidas. As páginas lidas com OCR mantêm as quebras de linha que o leitor encontrou na imagem.
Qual é a precisão do resultado?
Depende da digitalização. Impressão limpa, grande e reta, no idioma certo, é lida bem. Letra miúda, tinta fraca, escrita à mão, colunas e tabelas costumam dar mais erros. Sempre revise nomes, datas e números antes de usar o texto.
Existe um limite para o número de páginas ou para o tamanho do arquivo?
O arquivo pode ter no máximo 120 páginas no total. O código da página não define limite de tamanho em megabytes, mas arquivos grandes exigem mais memória no seu dispositivo e demoram mais, já que as páginas são lidas uma depois da outra.
Como salvo o texto em um arquivo?
Pressione Baixar TXT para salvar um arquivo de texto simples, ou pressione Copiar texto e cole em um editor. A caixa Texto extraído é somente leitura, então você não pode editar dentro dela. Cada página começa com uma linha como --- Page 1 ---, que você pode apagar no seu editor.
Ele lê manuscrito ou tabelas?
Não de forma confiável. O mecanismo de leitura foi feito para texto impresso. A escrita à mão costuma ser lida errado, e as tabelas saem como linhas de texto simples, sem suas linhas e colunas. Use o resultado como um rascunho que você corrige à mão.
Como usar OCR e extração de texto de PDF?
Extraia texto selecionável de um PDF ou reconheça texto em páginas digitalizadas. Escolha um arquivo, processe localmente e baixe uma nova cópia.
Meus dados são enviados para algum servidor?
Não. O processamento acontece no seu navegador, e seus dados não são enviados para um servidor.