Tornar um livro digitalizado pesquisável
Um livro digitalizado costuma ser um PDF com centenas de imagens de páginas: dá para ler, mas não para pesquisar um nome, achar uma citação ou copiar um trecho. O OCR reconhece o texto de cada página e o adiciona como uma camada invisível, então o livro fica pesquisável em qualquer leitor de PDF, e cada página mantém a aparência original.
Como aplicar OCR a um livro digitalizado
- Solte o PDF do livro Use a área acima – ou digitalizações das páginas como imagens, inclusive TIFF de várias páginas.
- Escolha os idiomas Adicione os idiomas do livro, até quatro, por exemplo para um texto com citações em outro idioma.
- Inicie e aguarde Livros longos levam vários minutos. Você pode acompanhar o progresso página por página.
- Pesquise e cite Abra o resultado e pesquise com Ctrl+F; copie trechos com a redação exata.
Livros e documentos longos
Todas as páginas mantidas
As imagens das páginas não são alteradas; só o texto reconhecido é adicionado.
Páginas duplas
Digitalizações que mostram duas páginas do livro lado a lado são lidas como uma página; o texto das duas metades é reconhecido.
Páginas na posição certa
Páginas digitalizadas de lado ou de cabeça para baixo são desviradas automaticamente.
Só alguns capítulos
Selecione um intervalo de páginas para reconhecer só os capítulos de que você precisa – mais rápido em livros muito longos.
Grande demais?
O limite é de 100 MB. Antes, comprima o livro digitalizado ou divida-o por tamanho de arquivo.
Digitalizações melhores, texto melhor
Páginas amareladas ou apagadas? Melhore a digitalização antes do OCR.
Cite com cuidado
Erros do OCR acabam nas citações copiadas. Compare cada citação com a imagem da página antes de usá-la.
Colunas de jornal
Páginas com várias colunas são divididas automaticamente em blocos de texto. Em diagramações complexas, o texto copiado pode pular entre colunas, mas a busca ainda encontra as palavras.
Letra gótica e manuscrita
Letra gótica e anotações à mão geralmente não são bem reconhecidas; transcreva-as manualmente.
Bom saber
- O OCR lê bem texto impresso; notas de rodapé em letra minúscula, fontes decorativas, letra gótica e anotações à mão são reconhecidas com menos confiabilidade.
- O reconhecimento leva alguns segundos por página no nosso servidor. Livros muito longos podem demorar – o processamento para após 30 minutos, então divida livros muito grandes em partes.
OCR para livros digitalizados – Perguntas frequentes
Quanto tempo leva um livro?
Depende do número de páginas e da qualidade da digitalização; algumas centenas de páginas costumam levar vários minutos.
O livro vai ficar diferente?
Não. As páginas continuam sendo as mesmas imagens; a camada de texto é invisível.
Posso exportar o texto?
Sim. Baixe o texto reconhecido como arquivo .txt ou converta o PDF digitalizado para Word.
Os capítulos e marcadores são mantidos?
Quando o PDF inteiro é processado, os marcadores existentes continuam; o OCR não cria marcadores novos.
É grátis?
Sim – grátis, sem cadastro e sem marca d’água.
Torne seu livro digitalizado pesquisável
Solte o PDF do livro no OCR PDF e pesquise em todas as páginas.
Tornar meu livro pesquisável