OCR de PDF — Tornar PDF Escaneado Pesquisável e Copiar o Texto
PDF escaneado é só uma foto de cada página: não dá para selecionar, copiar nem pesquisar o texto. Com o OCR você transforma em um PDF pesquisável (a aparência continua igual, com o texto invisível por baixo) ou baixa o texto em .txt. Tudo acontece no seu navegador: o PDF não é enviado a servidor algum.
Como funciona
Cada página é desenhada em uma resolução escolhida e lida pelo tesseract.js (OCR em WebAssembly, no seu navegador). No PDF pesquisável, o texto reconhecido é colocado de forma invisível sobre cada palavra, sem alterar a imagem original. A precisão depende da nitidez do escaneamento.
Como usar
Suba o PDF, escolha o idioma, a qualidade e as páginas, e clique em "Reconhecer texto". Confira o texto e as palavras destacadas (verde = segura, vermelho = duvidosa) e baixe o PDF pesquisável ou o .txt. Páginas que já têm texto são puladas.
Exemplo
Um contrato escaneado de 10 páginas vira um PDF em que você pode pesquisar e copiar qualquer trecho.
Também serve para