Como tornar um PDF digitalizado pesquisável no Mac

Você não consegue pesquisar em um PDF digitalizado porque ele guarda uma foto de cada página, não as letras em si. Scanners de mesa, aplicativos de digitalização no celular e copiadoras de escritório normalmente salvam as páginas assim, a menos que rodem OCR durante a digitalização.

O resultado parece um documento, mas se comporta como um álbum de fotos. O Command-F na Pré-Visualização não encontra nada, o Spotlight não acha o arquivo pelo que está escrito nele, você não consegue copiar um número de conta para um e-mail e os leitores de tela não têm o que ler.

A Pré-Visualização não adiciona camada de texto a um PDF, então não consegue tornar uma digitalização pesquisável. O Texto ao Vivo do macOS permite selecionar texto dentro de imagens, o que ajuda a pegar um telefone ou um endereço avulso.

O detalhe é que nada disso é gravado no arquivo. O Spotlight, os outros aplicativos e a pessoa para quem você envia o PDF continuam recebendo uma imagem. Em um documento que você vai pesquisar depois ou entregar a alguém, o texto precisa estar incorporado ao próprio PDF.

A ferramenta “OCR PDF” do File Acture roda o reconhecimento de texto Vision da Apple em cada página digitalizada e incorpora o resultado como uma camada de texto invisível sobre a imagem original. A página fica exatamente como antes, mas você pode pesquisar nela, selecionar linhas e copiá-las.

Você escolhe o Idioma do documento: Detecção automática ou um entre inglês, turco, alemão, francês, espanhol, italiano, português, russo, chinês, japonês e coreano. A Precisão oferece Preciso, o padrão, que lê com mais cuidado, e Rápido, que serve para lotes longos de páginas impressas e limpas. As páginas que já contêm texto são copiadas como estão, então um PDF que mistura páginas digitadas e digitalizadas não acaba com texto duplicado.

Um PDF protegido por senha ganha um campo Senha, e a cópia pesquisável é protegida de novo com a mesma senha. O título, o autor, o assunto e as palavras-chave do documento são mantidos, e cada cópia é salva com “-searchable” no nome. Você pode processar vários PDFs na mesma execução, e os seus arquivos originais continuam sem alterações.

O OCR é tão bom quanto a digitalização, então páginas retas e nítidas dão o melhor texto.

• Escolha o idioma. A Detecção automática dá conta de muitos documentos, mas escolher o idioma diz ao reconhecedor o que esperar, o que pesa mais em chinês, japonês, coreano e russo.
• Digitalize a 300 DPI. Se o scanner estiver na sua mão, 300 DPI é um bom ajuste para texto. Bem abaixo disso, as letras miúdas viram manchas difíceis de ler.
• Endireite as páginas antes. Coloque as páginas deitadas na posição certa com o Girar páginas antes de rodar o OCR.
• Fotos de documentos? Junte-as em um único PDF com o Imagens para PDF e depois rode o OCR no resultado.
• Guarde o original. A cópia com OCR é redesenhada página a página, então links, marcadores e campos de formulário não passam para ela.
• Fique de olho no tamanho. O OCR acrescenta texto; ele não reduz as imagens. Se a cópia ficar grande demais para enviar, passe o Comprimir PDF nela, e a camada de texto continua no lugar.

Os serviços de OCR online precisam do seu documento nos servidores deles, o que pesa em extratos bancários, laudos médicos e digitalizações de documentos de identidade. O File Acture roda o reconhecimento de texto no seu Mac, então as páginas nunca saem dele, e o Pro funciona sem conexão com a internet, acessando a rede só de vez em quando para renovar a licença.

A versão grátis inclui 3 execuções em cada Mac, com até 5 PDFs por execução. Para arquivos longos de digitalizações, veja os preços.