Corrigir texto de OCR ruim em um PDF
Alguns PDFs parecem normais, mas se comportam mal: a busca não encontra nada ou encontra as palavras erradas, e o texto copiado sai sem sentido. Muitas vezes, o arquivo passou por um programa de OCR fraco na hora da digitalização, ou faltam nas fontes do PDF as informações que associam formas a letras. O OCR PDF pode substituir a camada de texto antiga ou ler as páginas de novo a partir das imagens.
Como corrigir o texto de um PDF
- Descubra qual é o seu problema Selecione algumas palavras e cole em um editor de texto. Palavras erradas, mas legíveis, indicam OCR ruim; símbolos aleatórios indicam um problema de fonte.
- Envie o PDF para o OCR PDF Abra o OCR PDF pelo botão acima e escolha o arquivo.
- Escolha o modo Para uma camada de OCR antiga e ruim, mantenha “Automático” – ele substitui esse texto oculto. Para texto embaralhado por causa das fontes, escolha “Forçar”, que lê cada página de novo a partir da imagem.
- Confira o resultado Baixe o PDF, pesquise algumas palavras e copie um parágrafo para confirmar o novo texto.
Duas causas, duas soluções
Camada de OCR antiga substituída
“Automático” detecta o texto oculto adicionado por um programa de OCR anterior, remove esse texto e reconhece a página de novo com um mecanismo atual.
Texto real mantido
O texto digitado no documento não é alterado no modo “Automático”; só o conteúdo de imagem e o texto de OCR antigo são refeitos.
Fontes com defeito
Se ao copiar aparecem símbolos como “ÿþ” ou quadradinhos, a fonte não tem um mapa de caracteres adequado. “Forçar” transforma cada página em imagem e reconhece tudo.
O preço do “Forçar”
Com “Forçar”, o texto real vira parte da imagem da página e é substituído pelo texto reconhecido, então os links e o texto original selecionável se perdem. Use só quando necessário.
Entrada melhor, texto melhor
Digitalizações claras demais, com ruído ou tortas geram OCR ruim em qualquer programa. Primeiro limpe a digitalização e depois execute o OCR.
Os idiomas certos
Escolha todos os idiomas que aparecem no documento. Um idioma faltando é um dos motivos mais comuns de palavras erradas no OCR.
Bom saber
- O OCR nunca é perfeito. Mesmo um bom resultado pode confundir 0 e O, 1 e l, ou rn e m – confira nomes, números e valores.
- Se a cópia estiver bloqueada em vez de errada, o PDF tem restrições de permissão – use Desbloquear PDF.
Corrigir OCR ruim – Perguntas frequentes
Por que o texto copiado do meu PDF sai embaralhado?
Ou o texto de OCR oculto é ruim, ou as fontes do PDF não associam as formas a letras reais. Refazer o OCR resolve o primeiro caso; o modo “Forçar” resolve o segundo.
A página fica diferente depois de refazer o OCR?
No modo “Automático”, não – só o texto invisível muda. No modo “Forçar”, as páginas são mantidas como imagens: a aparência é a mesma, mas o texto deixa de ser o original.
Dá para corrigir uma palavra errada manualmente?
Não. O OCR PDF reconhece as páginas de novo; ele não oferece correção manual de texto.
Por que a busca continua errada depois do OCR?
Confira os idiomas e a qualidade da digitalização. Baixa resolução, compressão forte e letra de mão causam erros.
É grátis?
Sim. É gratuito, sem cadastro e sem marca d’água, e os arquivos são excluídos após o processamento.
Substitua o texto ruim do seu PDF
Envie o PDF para o OCR PDF, escolha o modo e receba texto que você pode pesquisar e copiar.
Corrigir o texto do meu PDF