OCR PDF

Extrai texto pesquisável de documentos digitalizados.

Guia e FAQ

Sobre esta ferramenta

Transforme PDF digitalizados e documentos apenas com imagens em ficheiros pesquisáveis e fáceis de copiar - reconheça texto dentro do navegador com Tesseract.js, sem enviar páginas para uma farm de OCR na cloud. Escolha idiomas, execute o reconhecimento localmente e descarregue um PDF com uma camada de texto oculta alinhada à digitalização visível. Gratuito, sem conta. Essencial para contratos de arquivo, formulários governamentais e PDF de investigação quando precisa de Ctrl+F, copiar-colar ou uma passagem posterior de PDF para Word.

What you get
  • Resultado: PDF com uma camada de texto invisível sobre cada página - pesquisa e cópia funcionam no Acrobat, Preview e navegadores.
  • Motor: Tesseract LSTM a correr localmente via WebAssembly - sem API OCR de terceiros por defeito.
  • Idiomas: pacotes multilingues combinados com + - a precisão depende dos dados de treino de cada script.
  • Aspeto visual: a página mantém a digitalização; o OCR não recompõe nem endireita margens inclinadas automaticamente.
  • Escrita manual: cursiva e assinaturas costumam falhar ou ficar parciais - texto mecanografado funciona melhor.
  • Limites: digitalizações grandes a 300 dpi demoram em portáteis antigos; texto muito ténue ou ruído intenso reduz a precisão.
Quando usar
  • Tornar pesquisável um arquivo em papel legado sem enviar volumes a um fornecedor OCR externo.
  • Preparar contratos digitalizados para PDF para Word quando texto nativo digital não está disponível.
  • Permitir copiar-colar a partir de PDF governamentais que tecnicamente são imagens.
  • Indexar pacotes de reunião digitalizados a partir de impressões para bases de conhecimento internas.
Why JoyPDF for this

Serviços de OCR na cloud enviam cada página - incluindo assinaturas, números de conta e parágrafos classificados - para reconhecer texto remotamente. O OCR JoyPDF corre inteiramente no navegador: píxeis e cadeias reconhecidas permanecem no dispositivo durante o processamento. Escolhe idiomas explicitamente em vez de um servidor adivinhar. Adequado para RGPD, privilégio legal e fluxos semelhantes a air-gapped onde a transferência de documentos para fora é proibida.

Como usar
  1. 1Adicionar o PDF digitalizadoLargue o ficheiro ou selecione-o no dispositivo. As páginas carregam localmente - sem fila OCR no servidor.
  2. 2Escolher idiomas OCRSelecione idiomas de reconhecimento - p. ex. inglês, polaco ou eng+pol combinados para digitalizações bilingues.
  3. 3Executar reconhecimentoO JoyPDF processa cada página no dispositivo; o progresso mostra-se por página porque o OCR consome muita CPU.
  4. 4Descarregar PDF pesquisávelGuarde o ficheiro com OCR - visualmente semelhante à digitalização mas com texto selecionável e pesquisável por baixo.

Perguntas frequentes

Que idiomas o OCR JoyPDF suporta?
O JoyPDF usa pacotes de idioma Tesseract que seleciona - scripts latinos comuns (inglês, polaco, alemão, francês, espanhol, etc.) e muitos outros consoante o traineddata disponível. Combine idiomas com + para documentos bilingues, p. ex. pol+eng para texto polaco com títulos em inglês. A escolha errada de idioma produz reconhecimento incompreensível - corresponda ao documento, não ao idioma da interface. Scripts raros ou texto vertical misto podem precisar de OCR desktop especializado se os resultados JoyPDF forem fracos. Os dados de idioma transferidos carregam na sessão do navegador; não são enviados de volta com o PDF.
Quão preciso é o OCR no navegador comparado com o Adobe?
Digitalizações de escritório limpas a 200-300 dpi com texto mecanografado horizontal costumam atingir alta precisão - suficiente para pesquisa e cópia aproximada. Fotos inclinadas de telemóvel, carimbos sobre texto, tabelas com linhas e notas de rodapé reduzem a precisão em qualquer motor. O JoyPDF não supera uma reescrita humana de uma cláusula crítica - verifique sempre cadeias legais e médicas. O OCR na cloud da Adobe pode ganhar em layouts difíceis mas exige envio. Para pesquisabilidade interna em arquivos volumosos, os compromissos do OCR local costumam ganhar em privacidade.
O OCR altera o aspeto visual do meu PDF?
A imagem digitalizada permanece a camada visível - o OCR adiciona uma camada de texto invisível por baixo para pesquisa e seleção. Não deve ver alterações de fonte na página em si, a menos que o visualizador destaque texto OCR. O tamanho do ficheiro pode crescer modestamente com streams de texto incorporados. Se precisa de um documento limpo reescrito, OCR e depois PDF para Word funciona melhor do que esperar que o OCR sozinho substitua a digitalização visualmente. Redigir após OCR requer Redact PDF - o OCR não remove píxeis sensíveis.
O meu PDF digitalizado é enviado durante o OCR?
Não. O reconhecimento corre localmente com Tesseract.js em WebAssembly. As imagens das páginas processam-se em memória no dispositivo; os servidores JoyPDF não recebem bytes de documento para OCR. Os ficheiros de modelo de idioma transferem-se da CDN como qualquer dependência WASM - não o conteúdo do documento. Verifique com ferramentas de rede se a conformidade exigir prova documentada para auditoria interna. Feche o separador após exportar em máquinas partilhadas porque a saída OCR pode conter PII extraída na camada de texto. Navegação privada funciona, mas fechar o separador elimina dados da sessão de forma mais fiável.
Posso fazer OCR a um PDF e depois convertê-lo para Word?
Sim - é um pipeline comum. PDF digitalizados carecem de estrutura para PDF para Word até o OCR adicionar texto. Execute OCR PDF primeiro para texto pesquisável, depois PDF para Word para parágrafos editáveis - ou ative opções OCR primeiro em PDF para Word quando oferecidas. OCR duplo raramente ajuda. Para formulários com caixas de verificação, espere limpeza manual no Word de qualquer forma. Se apenas a pesquisa importa, o OCR sozinho basta sem conversão Word. Verifique uma página de amostra após cada passo antes de processar volumes grandes de arquivo.
Porque é o OCR lento no meu computador?
O OCR consome muita CPU: cada página é analisada na resolução de imagem que incorporou na digitalização. Um livro de 200 páginas a 300 dpi pode demorar muitos minutos num portátil antigo - normal, não é um bug. Feche outros separadores para libertar RAM. Divida o PDF e faça OCR a capítulos separadamente se o separador falhar. Callbacks de progresso mostram estado por página. Hardware mais rápido ajuda mais do que repetir. Lote noturno no desktop supera lutar com o navegador do telemóvel para arquivos enormes.

About · Blog · Privacy