Como Extrair Texto de um PDF Digitalizado
Por que você não pode copiar de um PDF digitalizado
Um PDF digitalizado é uma pilha de fotos em um invólucro de PDF. As páginas parecem documentos, mas o texto é uma imagem, então você não pode selecioná-lo ou pesquisá-lo. Para obter texto utilizável, você executa cada página através de OCR. Salve ou capture cada página como imagem e coloque-a no conversor de imagem para texto.
Passo a passo
1. Transforme as páginas do PDF em imagens
Exporte as páginas como JPG ou PNG do seu visualizador de PDF ou tire uma captura de tela clara e em tamanho real de cada página.
2. Envie para o ocrX
Adicione a imagem da página, escolha o idioma e extraia.
3. Trabalhe através das páginas
Faça em ordem e mantenha o texto junto enquanto avança.
4. Salve o resultado
Baixe como TXT, ou como PDF ou Word se quiser um documento organizado.
Por que se preocupar
Quando o texto é texto real, você pode pesquisar um contrato por uma cláusula, copiar um endereço de uma carta antiga ou citar um parágrafo sem redigitá-lo. Um arquivo pesquisável supera uma pasta de imagens estáticas.
Dicas
- Exporte páginas em um tamanho decente. Miniaturas pequenas são mal lidas.
- Escolha o idioma que corresponde ao documento.
- Para PDFs longos, trabalhe em pequenos lotes para não perder o lugar.
Concluindo
Um PDF digitalizado são apenas imagens até você lê-lo. O ocrX transforma essas páginas de volta em texto que você pode pesquisar, copiar e editar.