As pessoas costumam usar "PDF" e "documento digitalizado" de forma intercambiável - especialmente em ambientes de escritório onde alguém diz "basta digitalizá-lo e enviar um PDF." Mas um PDF e um documento digitalizado não são a mesma coisa, e confundir os dois causa uma verdadeira confusão. Uma digitalização pode ser salva como PDF, mas nem todos os PDFs são digitalizações e a diferença tem consequências práticas significativas.
O que um PDF realmente é
PDF significa Formato de Documento Portátil. É um formato de arquivo — um contêiner que pode conter muitos tipos diferentes de conteúdo: texto real, gráficos vetoriais, imagens, hiperlinks, campos de formulário, marcadores e muito mais. O formato PDF foi projetado para representar documentos de forma consistente em qualquer dispositivo ou sistema operacional.
Um PDF criado a partir de um documento do Word contém texto real – caracteres que o computador pode ler, pesquisar, copiar e processar. Um PDF criado a partir de uma planilha Excel contém dados reais. Um PDF gerado por um navegador contém conteúdo real de uma página da web. Em cada caso, o PDF é um documento estruturado com conteúdo genuíno, não uma fotografia.
Experimente o OCR PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.
O que é um documento digitalizado
Um documento digitalizado é uma fotografia de uma página física. Um scanner captura a luz refletida no papel e a converte em uma grade de pixels – uma imagem rasterizada. O arquivo resultante é uma imagem do documento, não o documento em si. Qualquer texto visível na digitalização existe apenas como pixels coloridos organizados para se parecerem com letras.
Quando a digitalização é salva como PDF, você obtém um arquivo PDF – mas cujo conteúdo é uma imagem, não um texto. O contêiner PDF é real, mas o que está dentro é uma fotografia. Isso é chamado de PDF somente imagem ou Scanned PDF e se comporta de maneira muito diferente de um PDF com conteúdo de texto real.
Por que existe a confusão
A confusão vem do fato de que os documentos digitalizados geralmente são salvos como PDFs. Scanners e aplicativos de scanner normalmente geram arquivos .pdf por padrão. Portanto, quando alguém recebe um "PDF," eles podem ter recebido um PDF digital com texto real ou um PDF digitalizado com conteúdo de imagem – e os dois parecem idênticos na tela.
A distinção só se torna aparente quando você tenta fazer algo com o arquivo. Tente procurar uma palavra. Tente copiar uma frase. Tente usar um leitor de tela. Um PDF digital lida com tudo isso. Um PDF digitalizado não lida com nenhum deles – a menos que o OCR tenha sido aplicado para adicionar uma camada de texto.
As diferenças práticas que importam
- Pesquisabilidade: digital PDFs são totalmente pesquisáveis. Os PDFs digitalizados não retornam resultados, a menos que o OCR tenha sido aplicado.
- Tamanho do arquivo: digital PDFs são compactos – um documento de texto de 10 páginas normalmente tem menos de 500 KB. Os PDFs digitalizados armazenam imagens de páginas e normalmente são 10 a 100 vezes maiores.
- Copiar e colar: você pode selecionar e copiar texto de um PDF digital. Você não pode a partir de um PDF digitalizado – a tentativa de selecionar o texto seleciona a imagem inteira da página.
- Editing: digital PDFs podem ter texto editado diretamente com um editor PDF. PDFs digitalizados só podem ter novo conteúdo colocado na parte superior – o conteúdo da imagem existente não pode ser alterado.
- Acessibilidade: os leitores de tela funcionam com PDFs digitais. PDFs digitalizados são completamente inacessíveis à tecnologia assistiva sem uma camada de texto OCR.
Como saber qual tipo você possui
Abra o PDF e tente clicar em uma palavra. Em um PDF digital, o cursor se torna um cursor de texto e você pode selecionar palavras individuais. Em um PDF digitalizado, nada acontece ou a página inteira é selecionada como um bloco.
Pressione Ctrl+F e pesquise uma palavra que você possa ver na página. Se for encontrado, o PDF possui texto real. Se a pesquisa não retornar nada, será apenas uma imagem. Um terceiro indicador é a qualidade do zoom – aplicar zoom em um PDF digital mantém o texto nítido em qualquer ampliação, enquanto aplicar zoom em um PDF digitalizado revela pixelização à medida que você amplia a imagem.
Fazendo com que um PDF digitalizado se comporte como um digital
OCR — Reconhecimento Óptico de Caracteres — lê as imagens em um PDF digitalizado, reconhece os caracteres do texto e adiciona uma camada de texto real ao arquivo. Após o OCR, o documento torna-se pesquisável, copiável e acessível. A ferramenta de OCR de WukongPDF em www.wukongpdf.com faz isso sem software de desktop - carregue o PDF digitalizado, execute o OCR, baixe uma versão que agora contém texto real. Isso não transformará um PDF digitalizado em um documento digital nativo, mas preenche a maior parte da lacuna prática.
Experimente o OCR PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.