Dois PDFs podem parecer idênticos na tela, mas se comportar de maneira completamente diferente. Um abre e você pode clicar no texto, pesquisar uma palavra, copiar um parágrafo. O outro parece igual, mas clicar não faz nada - o cursor não pousa no texto, Ctrl+F não encontra nada. A diferença é se o PDF foi criado digitalmente ou através da digitalização de um documento físico. A compreensão dessa distinção explica grande parte do comportamento frustrante que as pessoas encontram com PDFs.
Como cada tipo é criado
Um PDF digital é criado diretamente do software – exportado do Word, gerado por software de contabilidade, produzido pela função de impressão de um navegador da web ou criado por qualquer aplicativo que possa gerar PDF. O texto no arquivo são dados de caracteres reais. O computador conhece cada palavra, cada letra, cada espaço.
Um PDF digitalizado é criado fotografando ou digitalizando um documento físico. O scanner captura uma imagem da página – uma grade de pixels que se parece com texto, mas não contém dados de texto. O arquivo é uma fotografia embrulhada em um contêiner PDF. O computador vê uma imagem, não palavras.
Experimente o OCR PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.
Como saber qual tipo você possui
O teste mais rápido: tente selecionar uma palavra clicando e arrastando. Em um PDF digital, o cursor muda para um cursor de texto e palavras individuais são destacadas. Em um PDF digitalizado, nada é destacado – ou a página inteira é selecionada como um bloco de imagem.
Um segundo teste: pressione Ctrl+F e procure uma palavra que você possa ver na página. Em um PDF digital, ele é encontrado imediatamente. Em um PDF digitalizado, a pesquisa não retorna nada. Um terceiro indicador é o tamanho do arquivo – um PDF digitalizado é normalmente muito maior do que um PDF digital com o mesmo conteúdo, porque armazena dados de imagem em vez de codificação de texto eficiente.
Principais diferenças na prática
- Pesquisabilidade: digital PDFs são totalmente pesquisáveis por conteúdo. Os PDFs digitalizados são invisíveis para pesquisa – só podem ser encontrados pelo nome do arquivo, a menos que o OCR tenha sido aplicado.
- Copiar e colar: digital PDFs permitem seleção e cópia de texto. PDFs digitalizados não - você teria que redigitar qualquer conteúdo que deseja extrair.
- Tamanho do arquivo: um documento de texto digital de 10 páginas normalmente tem entre 100 e 300 KB. As mesmas páginas de uma digitalização colorida a 300 DPI têm de 20 a 40 MB – aproximadamente 100 vezes maiores.
- Acessibilidade: os leitores de tela funcionam com PDFs digitais. PDFs digitalizados são completamente inacessíveis sem OCR – não há texto para o leitor de tela ler.
- Qualidade de impressão: digital PDFs são impressos em qualquer tamanho sem perda de qualidade porque os elementos de texto e vetor são dimensionados infinitamente. Os PDFs digitalizados são impressos em uma resolução fixa – aumente o zoom o suficiente e os pixels ficam visíveis.
- Edição: digital PDFs podem ser editados com um PDF Editor - clicando no texto e alterando-o diretamente. Os PDFs digitalizados só podem ser editados colocando novo conteúdo sobre a imagem, e não alterando o conteúdo existente.
Preenchendo lacunas: o que o OCR faz
OCR (reconhecimento óptico de caracteres) preenche a maior parte da lacuna entre PDFs digitalizados e digitais. A execução de um Scanned PDF por meio de uma ferramenta de OCR adiciona uma camada de texto real ao arquivo – a imagem permanece visível, mas abaixo dela o software reconheceu e incorporou os caracteres reais. Após o OCR, o documento torna-se pesquisável, copiável e acessível aos leitores de tela.
OCR não é perfeito – a precisão depende da qualidade da digitalização, da clareza da fonte e do idioma. Mas para digitalizações limpas de documentos digitados em fontes padrão, o OCR moderno é altamente preciso e transforma um PDF frustrante apenas de imagem em um que se comporta como um documento digital adequado. A ferramenta OCR de WukongPDF em www.wukongpdf.com lida com isso sem a necessidade de software de desktop.
Qual tipo usar para diferentes finalidades
- Para documentos que você mesmo cria: sempre crie PDFs digitais exportando do aplicativo de origem. Nunca digitalize uma impressão de algo que você criou digitalmente — isso causa degradação desnecessária.
- Para documentos físicos que precisam ser digitais: a digitalização é a única opção, mas execute o OCR imediatamente depois para tornar o resultado tão útil quanto um PDF digital.
- Para arquivar documentos importantes: se você tiver a fonte digital original, arquive o PDF digital. Se você tiver apenas um documento físico, digitalize-o, aplique OCR, compacte-o e armazene a versão processada por OCR.
Experimente o OCR PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.