PDF Pesquisável com OCR

Transforme um PDF escaneado ou uma foto de documento em um PDF em que você pode buscar e copiar o texto, sem enviar nada para a internet.

Ferramenta

Seus arquivos não saem do seu computador: o reconhecimento acontece no navegador. Textos manuscritos não são reconhecidos, e o OCR pode errar; confira números e nomes antes de usar o resultado.

O que é OCR e para que serve

OCR (reconhecimento óptico de caracteres) é a tecnologia que lê o texto de uma imagem. Um documento escaneado é apenas uma foto: o computador enxerga pixels, e não palavras. Por isso você não consegue pesquisar uma palavra, copiar um trecho nem o leitor de tela consegue ler. Com o OCR, a ferramenta identifica cada palavra, descobre onde ela está na página e grava o texto em uma camada invisível do PDF. O resultado é um PDF pesquisável: parece o mesmo documento, mas agora você pode usar Ctrl+F e copiar o texto.

Como usar

  1. Escaneie o documento com o seu scanner ou fotografe cada página com o celular, e salve em PDF ou imagem (JPG, PNG, WebP).
  2. Arraste os arquivos para a área acima (até 20 páginas por vez) e escolha o idioma.
  3. Clique em Gerar PDF pesquisável e acompanhe o progresso, página por página.
  4. Baixe o PDF pesquisável e, se quiser, também o texto em um arquivo .txt.

Funciona no navegador, sem enviar nada

Muitos serviços de OCR enviam o seu arquivo para um servidor. Aqui, o motor de reconhecimento (Tesseract, um projeto de código aberto) roda dentro do seu navegador, e os dados de idioma ficam neste site. Isso importa para contratos, documentos pessoais, laudos e notas fiscais: o conteúdo não sai do seu aparelho. Ao terminar, nada fica guardado por nós.

O que funciona bem e o que não funciona

Exemplo

Um formulário de uma página, escaneado em cerca de 175 DPI, foi processado em aproximadamente 6 segundos. O OCR recuperou cerca de 90% dos títulos e rótulos impressos, como cabeçalhos e nomes de campos, mas não conseguiu ler os campos preenchidos à mão. Com a opção de qualidade máxima, o texto pequeno melhora um pouco, ao custo de mais tempo e memória.

Dicas para um bom resultado

Limites e privacidade

O limite é de 20 páginas por vez, porque o reconhecimento usa bastante memória, principalmente em celulares. A primeira carga baixa de 5 a 7 MB e depois fica no cache do navegador. Os arquivos não são enviados: se o navegador travar, tente menos páginas ou a qualidade rápida.

Depois de gerar o PDF pesquisável, você pode juntá-lo a outros PDFs, reordenar as páginas ou transformar fotos em PDF com JPG para PDF antes de aplicar o OCR.

Fontes e créditos

Reconhecimento feito com o Tesseract OCR e o Tesseract.js, projetos de código aberto sob a licença Apache 2.0, com dados de idioma do projeto tessdata. O OCR é uma estimativa automática e pode errar; confira números, nomes e valores antes de usar o texto em contratos ou documentos importantes.

Perguntas frequentes

Meus documentos são enviados para algum servidor?

Não. O reconhecimento de texto roda no seu navegador, com o motor e os dados de idioma hospedados neste site. O PDF e a imagem nunca são enviados, e você pode até usar a ferramenta sem conexão depois da primeira carga.

A ferramenta reconhece letra de mão?

Não. O OCR funciona bem com texto impresso ou digitado. Letra manuscrita, assinaturas e carimbos não são reconhecidos de forma confiável. Em formulários preenchidos à mão, só a parte impressa fica pesquisável.

Qual a diferença entre PDF pesquisável e PDF de imagem?

Um PDF de imagem é só uma foto das páginas: não dá para buscar nem copiar o texto. O PDF pesquisável mantém a imagem original e acrescenta, por baixo, uma camada invisível de texto reconhecido. Visualmente é idêntico, mas a busca e a seleção funcionam.

Por que a primeira vez demora mais?

Na primeira execução o navegador baixa o motor de reconhecimento e o idioma, algo entre 5 e 7 MB. Depois eles ficam guardados no navegador, e as próximas vezes começam mais rápido. Cada página leva de alguns segundos a cerca de meio minuto, conforme o aparelho.

Posso escanear direto do meu scanner por este site?

Não. Os navegadores não têm acesso a scanners. Escaneie com o programa do seu scanner (ou com a câmera do celular), salve em PDF ou imagem e arraste o arquivo para cá. A câmera do celular funciona bem, se a luz for boa e o papel estiver reto.

O resultado ficou ruim. O que posso fazer?

Escaneie em 300 DPI, com o papel reto, bem iluminado e sem sombras, e escolha o idioma correto. Fotos tortas, escuras ou desfocadas e documentos com muito manuscrito reduzem bastante a precisão. A ferramenta informa a confiança média ao terminar.

Ferramentas relacionadas