Extrair o texto de um PDF escaneado
Digitalizações viram texto para copiar e pesquisar, sem o documento sair do seu aparelho.
Solte os arquivos aqui
ou clique para escolher no seu dispositivoFormatos aceitos: PDF
Um arquivo por vezAté 20 MB por arquivo5 usos por diaRemova os limites com o Pro✓ Funciona offline
Seus arquivos ficam no seu dispositivo
Esta ferramenta roda inteiramente no seu navegador. Nada é enviado, nada é armazenado, e você pode até desligar a internet antes de começar.
Exemplo
Processo de 30 páginas, 4 com texto e 26 escaneadas: duas rodadas
processo.pdf tem 30 páginas: as 4 primeiras foram geradas no computador e já têm texto; as outras 26 são digitalizações. Cada rodada lê até 20 páginas escaneadas, e as páginas com texto não entram nessa conta.
- Rodada 1: em Páginas, digite 1-24. As páginas 1 a 4 são copiadas direto do PDF, na hora; as 20 escaneadas, de 5 a 24, passam pelo reconhecimento.
- Rodada 2: digite 25-30 para as 6 escaneadas que faltam. Pedir 1-30 de uma vez não roda, porque seriam 26 páginas escaneadas.
- No texto, cada página começa com a sua marca, como --- 5 ---, com o número da página no PDF, para saber de onde veio cada trecho.
Cada rodada entrega um .txt com as páginas pedidas, na ordem e no nome: processo-p1-24.txt e processo-p25-30.txt. Confira nomes, valores e números antes de usar: letra à mão e páginas em várias colunas podem sair erradas ou misturadas.
Como funciona
- Solte um PDF: uma digitalização, fotos de documento salvas em PDF ou qualquer PDF de que você precise do texto.
- Deixe “Páginas” em branco para ler o arquivo inteiro, ou digite as páginas, como 1-3, 5. Cada rodada lê até 20 páginas escaneadas.
- Clique em “Extrair texto”. Na primeira vez, os modelos de reconhecimento de texto e o ambiente de execução (cerca de 11 MB) são baixados.
- Copie o texto da caixa ou baixe como arquivo .txt. As páginas vêm marcadas como --- 1 ---, --- 2 --- e assim por diante.
Perguntas frequentes
- O PDF fica pesquisável?
- Esta página entrega o texto. Para manter o PDF e poder pesquisar nele, use “PDF pesquisável”, que acrescenta o mesmo texto reconhecido como uma camada invisível sobre cada página escaneada.
- E as páginas que já têm texto?
- O texto delas é tirado direto do PDF, o que é instantâneo e exato. Só as páginas sem texto aproveitável, como as digitalizadas, passam pelo reconhecimento.
- Por que só 20 páginas escaneadas por vez?
- Ler uma página leva alguns segundos e usa bastante memória do navegador. Só as páginas escaneadas contam para o limite: as que já têm texto são copiadas na hora. Para uma digitalização mais longa, informe as páginas em lotes, como 1-20 e depois 21-40.
- O texto sai separado por página?
- Sai: com mais de uma página, cada uma começa com uma linha como --- 1 ---, --- 2 ---, com o número da página no PDF, mesmo quando você pede só algumas, como 25-30. Com uma página só, vem apenas o texto.
- Quais documentos funcionam bem?
- Texto impresso em português e inglês, e também em espanhol, francês, alemão, italiano, turco e japonês. Nas nossas páginas de teste em português, menos de 1 caractere em 100 saiu errado, os acentos e o ç foram lidos corretamente e valores e datas vieram exatos. Essas páginas foram geradas, então notas fiscais em papel térmico desbotado e digitalizações ruins vão pior. Letra à mão não é lida com confiabilidade, e páginas em várias colunas podem sair com as colunas misturadas; confira o texto antes de usar.
- Meu PDF é enviado?
- Não. As páginas são renderizadas e lidas no seu navegador. O plano gratuito processa 1 PDF por vez, de até 20 MB, e 5 operações por dia.