O que é OCR em PDF?

OCR em linguagem simples

OCR significa Optical Character Recognition, ou reconhecimento óptico de caracteres. A tecnologia analisa uma imagem que contém escrita e tenta identificar os caracteres presentes nela.

Isso é especialmente útil em documentos digitalizados, fotografias de páginas e PDFs nos quais o texto não pode ser selecionado.

PDF com imagem x PDF pesquisável

Imagine uma folha de papel digitalizada. Visualmente, ela contém palavras, mas para o computador aquela página pode ser apenas uma imagem. O OCR cria uma representação textual que permite localizar termos e, em determinados fluxos, editar o conteúdo reconhecido.

Um PDF pesquisável melhora a recuperação de informação porque você pode procurar uma palavra sem precisar ler todas as páginas.

O que pode afetar o resultado

Qualidade da imagem, resolução, contraste, inclinação, manchas, fontes incomuns e escrita manual podem interferir no reconhecimento. Documentos limpos e bem digitalizados tendem a produzir resultados melhores.

Por isso, resultados de OCR devem ser revisados, principalmente quando o documento contém números, códigos, nomes próprios ou informações jurídicas e financeiras.

Quando usar

Use OCR quando o objetivo for tornar uma digitalização pesquisável, recuperar texto de uma imagem ou iniciar uma edição em um documento que não possui uma camada de texto utilizável.