Mac

Como fazer OCR a um PDF digitalizado num Mac

A Pré-Visualização não consegue fazer OCR a um PDF, e o Texto Dinâmico não é OCR. Num macOS recente consegues passar o cursor sobre uma página digitalizada, selecionar as palavras e copiá-las — tudo isso acontece ao vivo no visualizador e não escreve nada no ficheiro. Procura dentro do documento e não obténs resultados. O Spotlight não o encontra. O OCR a sério acrescenta uma camada de texto invisível ao próprio PDF, e isso exige uma ferramenta feita para o efeito.

Texto Dinâmico contra OCR

É esta a distinção que vale a pena levar. O Texto Dinâmico reconhece caracteres numa imagem no momento em que olhas para ela, dentro do visualizador, e devolve-te uma seleção. No disco não muda nada. Fecha o ficheiro e o reconhecimento desapareceu. O OCR corre uma vez e escreve as palavras reconhecidas dentro do PDF como uma camada invisível, posicionada debaixo da imagem da página.

Os dois deixam copiar uma frase. Só um torna o documento pesquisável, indexável pelo Spotlight, legível por um leitor de ecrã, convertível para Word e localizável dentro de seis meses quando já te esqueceste de como se chamava o ficheiro.

O Texto Dinâmico é genuinamente útil — tirar uma morada de uma digitalização é mais rápido do que qualquer alternativa. Apenas não é um substituto, e porque funciona tão bem convence as pessoas de que já têm uma camada de texto.

A digitalização conta mais do que a ferramenta

A precisão do reconhecimento fica decidida no momento da captura. 300 ppp é o mínimo para impressão normal; abaixo de 200 o motor começa a adivinhar entre formas parecidas. Uma página fotografada de esguelha perde precisão por causa da distorção. A sombra de uma lâmpada de mesa deixa uma faixa de texto ilegível. Qualquer motor de OCR se desembaraça bem com uma digitalização limpa e todos sofrem com uma má, por isso o tempo está melhor investido a digitalizar outra vez do que a procurar melhor software.

A captura com o telefone serve se a página estiver plana, a luz for uniforme e a câmara estiver paralela ao papel. Os modos de digitalização de documentos que endireitam a página sozinhos ajudam muito.

O que continua difícil

A escrita à mão, em geral. As tabelas densas, onde o motor lê por cima dos limites das células. As páginas a duas colunas, onde a ordem de leitura tem de ser inferida. As ligaduras e as letras antigas. Vários alfabetos na mesma página. Um resultado certo a 98 % continua a significar um caractere errado a cada duas linhas, por isso tudo o que tenha consequências precisa de ser lido, não acreditado.

Privacidade, porque é quase sempre um documento que importa

Os PDF digitalizados tendem a ser os pessoais: contratos, cartas médicas, papelada das finanças, documentos de identificação. O OCR online manda tudo isso para o servidor de outra pessoa. O reconhecimento corre perfeitamente bem num Mac moderno sem carregar nada, e para esta classe de documentos essa é a predefinição sensata.

Passo a passo

  1. Testa o que tens
    Abre o PDF e pressiona ⌘F. Se uma palavra que vês claramente não devolver nada, não há camada de texto.
  2. É a qualidade da digitalização que decide a precisão, não o programa
    300 ppp, página plana, luz uniforme. Nada recupera uma captura desfocada ou torta.
  3. Corre o OCR para produzir um PDF pesquisável
    O resultado deve parecer idêntico e comportar-se de forma diferente: selecionável, pesquisável, indexável.
  4. Confirma com ⌘F e depois com o Spotlight
    Procura uma palavra do meio do documento. Depois procura-a no Finder para confirmar que o índice a apanhou.
PDF Studio – Editor & Reader

Nosso app de iOS exatamente pra isso. Roda no seu aparelho — sem conta e sem rastreamento.

Ver o app →