PDF digitalizado ou texto selecionável

Como distinguir texto de uma digitalização

Abra o PDF em qualquer leitor (Pré-visualização, Chrome, Acrobat, etc.). Tente selecionar uma palavra com o cursor e copiá-la num editor de texto.

• Texto selecionável — consegue destacar palavras e o texto colado é formado por caracteres reais. O ficheiro contém uma camada de texto que o conversor consegue ler.
• Digitalização / só imagens — o cursor não consegue selecionar palavras, ou "copiar" não devolve nada útil. Na prática, cada página é a foto de uma folha.

Porque é que pode parecer texto e ser, na verdade, imagem

Digitalizações feitas com o telemóvel ou com um scanner de mesa, e a "impressão em PDF" de alguns aplicações, guardam uma imagem bitmap de cada página. As letras aparecem nítidas no ecrã, mas o PDF não contém dados de caracteres, apenas píxeis. A busca, a cópia e a conversão de texto falham pelo mesmo motivo: não há nada para extrair além da imagem.

Porque é que o PDF para Word sem OCR não consegue recuperar uma digitalização

O reconhecimento ótico de caracteres (OCR) adivinha letras a partir de píxeis. A ferramenta PDF para Word deste site não faz OCR: lê o texto que já está no PDF. Se cada página for uma imagem, a conversão é interrompida e informa que seria necessário OCR. Fingir o contrário produziria um ficheiro do Word vazio ou inútil.

Uma verificação rápida antes de converter

1. Abra o PDF no seu leitor habitual.
2. Tente selecionar uma frase da primeira página e copiá-la.
3. Se o texto colado estiver correto, o ficheiro provavelmente contém texto selecionável e pode ser convertido com esta ferramenta.
4. Se não for possível selecionar nada, utilize antes uma ferramenta de OCR noutro site, ou mantenha o PDF como imagens. Este site não vai inventar texto a partir da digitalização.

Existem ficheiros mistos: algumas páginas têm texto e outras são digitalizadas. Esta ferramenta converte as páginas com texto e assinala as páginas digitalizadas no documento do Word, em vez de inventar conteúdo em silêncio.

O que o PDF para Word pode e não pode fazer neste site

Pode:

• Criar um DOCX editável a partir do texto selecionável de um PDF, no seu navegador.
• Deduzir títulos, listas, tabelas e ligações quando a estrutura do PDF permite reconhecê-los.

Não pode:

• Executar OCR em PDF digitalizados ou formados apenas por imagens.
• Preservar fielmente o esquema de página: tipos de letra, imagens, colunas, espaçamento e tabelas podem ser diferentes. As colunas são lidas uma depois da outra, não lado a lado. As imagens não são copiadas para o ficheiro do Word.
• Abrir PDF protegidos por palavra-passe ou encriptados.

Limites: 75 MB e 200 páginas. O processamento fica no seu dispositivo.

Utilizar o conversor

Se o seu PDF contém texto selecionável, abraPDF para Word (texto selecionável).