OCR de PDF
O que você obtém ao extrair texto de um PDF
Transforme as páginas de um PDF digitalizado em texto para copiar, pesquisar ou editar. Escolha as páginas e o idioma do documento, depois baixe o resultado em TXT, Markdown ou DOCX. A extração mantém o PDF de origem separado do texto reconhecido.
Custo: Há opções gratuitas. As opções Pro ou o uso além da cota gratuita podem exigir créditos; consulte o guia abaixo.
Como extrair texto de um PDF digitalizado
Escolha um PDF
Clique em Escolher PDF ou solte um arquivo de até 200 MB na prévia. Você também pode selecionar em Uploads um PDF enviado em outra ferramenta. Cada processamento usa um documento.
Confira as páginas na prévia
O contador, como
4 / 12, indica a posição da página dentro do arquivo. Informe essas posições em Pages (optional), por exemplo1-3,7, ou deixe o campo vazio para extrair texto do PDF inteiro.Defina o idioma do documento
Idioma do documento começa em Auto-detect. Use essa opção para identificação automática, inclusive em páginas com mais de um idioma. Uma opção específica, como Portuguese, fornece uma indicação para o reconhecimento de caracteres.
Escolha o formato de saída
Plain Text (.txt) é a opção inicial em Formato de saída. Se precisar de títulos, listas e tabelas representados por marcação, escolha Markdown (.md).
Confira as unidades e inicie
A caixa abaixo das configurações mostra a seleção e as unidades, por exemplo
Páginas selecionadas 12/12 · unidades 2. Clique em Extract text e aguarde o resultado com a página aberta. O processamento pode durar até 30 minutos.Revise e salve o texto
Compare o painel Extracted text com a prévia. Use Copiar para a área de transferência, Download text para salvar
pdf-ocr.txtoupdf-ocr.mdem UTF-8 e DOCX para obter um documento editável no Word. Os resultados também ficam no gerenciador de arquivos compartilhado.
Idioma, formato e seleção de páginas
O painel Configurações oferece três controles. Eles definem a extração, sem alterar o PDF de origem.
- Idioma do documento: Auto-detect
- É o padrão. O GLM-OCR, da Z.ai, identifica automaticamente o idioma e o sistema de escrita. Esse mecanismo não recebe uma indicação manual de idioma. A opção permite trabalhar com documentos que alternam entre idiomas sem escolher um deles como principal.
- Idioma do documento: idioma específico
- As opções são English, German, Spanish, French, Italian, Portuguese, Russian, Japanese, Chinese, Arabic e Hindi. Nessa configuração, um modelo Google Gemini usa o idioma, o sistema de escrita e a direção de leitura como indicação para distinguir caracteres e limites entre palavras. Por exemplo, a indicação pode ajudar com caracteres compartilhados pelo chinês e pelo japonês ou com texto árabe. Trechos em outros idiomas permanecem no idioma original.
- Formato de saída: Plain Text (.txt)
- Produz texto com quebras de linha e de parágrafo, sem a marcação Markdown. Os marcadores viram linhas iniciadas por
-. Nas tabelas reconhecidas, o texto é organizado por linhas, com tabulações entre as células. É uma opção para colar conteúdo em mensagens, formulários ou planilhas; confira a divisão das colunas após colar. - Formato de saída: Markdown (.md)
- Representa a estrutura com marcação, como
#para títulos, listas, ênfase e tabelas. Escolha esse formato para levar o texto a um editor Markdown, aplicativo de notas ou wiki. Um editor de texto simples mostra os caracteres da marcação; um visualizador Markdown interpreta essa estrutura. - Pages (optional)
- Vazio significa todas as páginas. Informe páginas isoladas ou intervalos completos separados por vírgulas, como
5-10ou1-3,7. Só as páginas selecionadas são reconhecidas e contadas. Use a posição dentro do arquivo, não a numeração impressa no papel. A leitura segue a ordem do documento, e uma página repetida na seleção conta uma vez. Para um intervalo até a página 40, escreva5-40. Uma seleção fora do documento é identificada antes do processamento.
Como as páginas contam para o uso de OCR
Uma unidade de OCR cobre até 10 páginas selecionadas, com arredondamento para cima em cada processamento. Uma carta de 1 página e um formulário de 10 páginas usam 1 unidade cada. Uma seleção de 11 páginas usa 2 unidades; 37 páginas usam 4. A seleção 1-3,7 reúne 4 páginas e usa 1 unidade.
Esse arredondamento vale por processamento. Dividir 60 páginas em 1-20, 21-40 e 41-60 usa as mesmas 6 unidades que reconhecer as 60 juntas. Já processar 1-5 e 6-10 separadamente usa 2 unidades, enquanto as 10 páginas juntas usam 1. Ao dividir documentos longos, grupos de 10 páginas evitam unidades adicionais por arredondamento e permitem revisar o texto em partes.
O uso é contado por conta ou, para visitantes, por endereço IP, em janelas móveis de 1 hora e 24 horas. As unidades gratuitas disponíveis correspondem ao menor saldo dessas duas janelas. Quem está conectado pode cobrir cada unidade excedente com 1 crédito. Se a seleção ultrapassar o saldo disponível, selecione menos páginas ou aguarde os usos anteriores saírem dessas janelas. Não há uma quantidade fixa de páginas gratuitas válida para todas as contas.
Prepare as páginas para o reconhecimento de texto
A nitidez das imagens dentro do PDF afeta a leitura das letras e dos números.
Confira a resolução do escaneamento
Para texto impresso, 300 dpi é um ponto de partida ao digitalizar; confirme que as letras pequenas estão nítidas. É uma orientação de preparo do documento, não uma resolução exigida pela ferramenta. Imagens desfocadas ou de baixa resolução dificultam a distinção dos caracteres.
Coloque as páginas na orientação de leitura
Linhas na horizontal ajudam na leitura. Se uma página estiver de lado ou invertida, use Girar PDF antes da extração.
Escolha entre transcrição e resumo
A extração de texto serve para recuperar o conteúdo escrito. Se precisar apenas das ideias principais de um relatório, Resumo de PDF condensa o documento.
Formatos e limites
- Entrada
- PDF digitalizado ou digital
- Saída
- TXT ou Markdown em UTF-8, documento Word (.docx) e cópia para a área de transferência
- Tamanho máximo
- 200 MB por PDF
- Arquivos por processamento
- 1 PDF, inteiro ou com seleção de páginas
- Contagem de uso
- 1 unidade de OCR por até 10 páginas selecionadas, arredondada para cima por processamento
- Processamento
- Em nossos servidores, com reconhecimento pelo GLM-OCR (Z.ai) ou Google Gemini; até 30 minutos por processamento
- Marca-d'água
- Nenhuma
- Armazenamento
- Uploads e resultados são excluídos automaticamente após 48 horas para visitantes e 30 dias para contas gratuitas. Planos pagos podem manter os arquivos por mais tempo.
Perguntas frequentes
A extração torna o PDF pesquisável?
O resultado é um arquivo de texto simples, Markdown ou Word, separado do PDF. A ferramenta não acrescenta uma camada de texto ao documento original. Guarde o PDF para consultar a aparência e a disposição das páginas.
Posso converter PDF para texto gratuitamente?
Sim, dentro do limite de unidades gratuitas e sem marca-d'água. Cada processamento usa 1 unidade por até 10 páginas selecionadas, e a contagem aparece antes de clicar em Extract text. Além do saldo gratuito, você pode selecionar menos páginas, aguardar a renovação das unidades ou entrar na conta e usar 1 crédito por unidade excedente.
Por que algumas palavras ou números precisam de correção?
Escaneamentos desfocados, inclinados ou com pouco contraste podem dificultar o reconhecimento. Confira nomes, valores, datas e códigos na prévia: 0 e O, 1 e l, ou rn e m podem ser confundidos. Para comparar leituras, alterne Idioma do documento entre Auto-detect e o idioma específico; isso troca GLM-OCR por Gemini, ou o contrário. Trocar entre dois idiomas específicos mantém o Gemini. Cada nova extração usa unidades novamente.
Meu PDF é enviado a um serviço externo?
Sim. Nossos servidores encaminham o documento a um serviço de IA: GLM-OCR da Z.ai com Auto-detect, ou Google Gemini com um idioma específico. Se o Gemini atingir um limite de solicitações, a mesma solicitação de reconhecimento passa pelo OpenRouter. O prazo de armazenamento informado acima se refere aos uploads e resultados em nosso serviço; ele não define a política de armazenamento dos provedores externos.
A ferramenta traduz o texto reconhecido?
Não. A extração mantém o idioma em que o texto está escrito. Escolher uma opção em Idioma do documento fornece uma indicação de reconhecimento para caracteres ambíguos; trechos em outros idiomas na mesma página continuam no idioma original.
O que conferir se não consigo extrair texto?
O servidor precisa ler o documento e contar suas páginas antes do reconhecimento. Para um PDF que exige senha ao abrir, remova a proteção com Desbloquear PDF, usando a senha conhecida. Confira também as páginas selecionadas: páginas em branco ou sem texto legível podem terminar sem conteúdo extraído.