Quando o OCR vale a pena
Um contrato digitalizado, uma carta antiga ou um recibo fotografado com o celular é só uma imagem dentro de um PDF: não dá para pesquisar, copiar uma frase nem pedir a um leitor de tela que leia em voz alta. Depois do OCR, o arquivo se comporta como um documento digital comum, mas continua com a aparência do papel original.
Dicas para um resultado melhor
- Digitalize em 300 DPI se o seu scanner permitir escolher; 200 DPI é o mínimo para letras pequenas.
- Mantenha as páginas retas e com luz uniforme; uma digitalização torta pode ser endireitada antes com o Endireitar PDF. Sombras e dobras são a causa mais comum de palavras não reconhecidas.
- Escolha o idioma do documento. Se inglês e turco estiverem misturados, "Inglês + turco" lê os dois.
Quando o resultado não sai certo
- Letras trocadas ou faltando. Olhe a digitalização em tamanho real. Se nem você consegue ler com facilidade, o OCR também vai ter dificuldade; digitalize de novo com mais luz e a página bem plana.
- Letras acentuadas saem sem acento. Um "é" virando "e", ou o "ş" turco virando "s", geralmente indica que o idioma errado foi escolhido. Processe o arquivo de novo com o idioma correspondente.
- A escrita à mão é ignorada. O OCR foi feito para texto impresso. Letras de forma bem caprichadas às vezes funcionam, mas assinaturas, anotações na margem e letra cursiva não são reconhecidas com confiança.
- Tabelas copiadas perdem as colunas. As palavras reconhecidas ficam exatamente onde aparecem na página, então a pesquisa funciona. Ao copiá-las, porém, as colunas podem se misturar linha a linha; confira as tabelas depois de converter para Word.
- Uma digitalização longa leva minutos. O reconhecimento roda no seu próprio processador, página por página. Deixe a aba aberta ou separe as páginas de que precisa antes e faça o OCR só nelas.
Como conferir o resultado em um minuto
Você não precisa ler o arquivo inteiro para saber se o reconhecimento funcionou. Abra o novo PDF, pressione Ctrl+F (Cmd+F no Mac) e pesquise uma palavra que você sabe que está em uma página — um nome, uma empresa, um título. Se o leitor destacar a palavra no lugar certo, aquela página tem uma camada de texto funcionando. Se nada for encontrado, olhe essa página: geralmente ela está apagada, torta ou foi fotografada inclinada.
Preste atenção redobrada aos números. Uma letra lida errado em uma palavra é fácil de perceber pelo contexto, mas um algarismo lido errado não é, e caracteres parecidos são as trocas mais comuns: zero e a letra O, um e um L minúsculo, cinco e S, oito e B. Ao copiar um número de conta, um valor ou uma data de uma digitalização reconhecida, compare dígito por dígito com a imagem antes de usar.
O que fazer depois
Se o que você tem é uma foto ou uma captura de tela, e não um PDF, Imagem para texto entrega as palavras direto como texto.
Depois que o PDF estiver pesquisável, você pode convertê-lo em Word para editar o texto, extrair o texto como palavras simples ou comprimi-lo — digitalizações costumam ser grandes — antes de mandar por e-mail.
Vai digitalizar papel no Mac? Como digitalizar um documento para PDF no Mac mostra como usar a câmera do iPhone e o Captura de Imagem, e depois traz a digitalização para cá para o reconhecimento.