Divida e renomeie PDFs digitalizados com OCR
Um scanner produz imagens das páginas, sem texto para pesquisar. Veja como dividir um lote digitalizado e nomear cada arquivo pelo texto dele, com o reconhecimento de texto rodando no seu próprio dispositivo.
Digitalizar uma pilha de papéis geralmente gera um único PDF longo. Cada página é uma imagem, então ferramentas que dividem pelo texto não encontram nada com que trabalhar.
O Smart PDF Split & Rename detecta páginas sem texto utilizável e as lê com OCR (reconhecimento óptico de caracteres) no seu navegador. O texto reconhecido é então usado como uma camada de texto normal: para encontrar onde cada documento começa e para nomear os arquivos.
Passo a passo
Adicione o PDF digitalizado
A ferramenta marca as páginas que precisam de OCR: páginas que são só imagens e páginas cujo texto existente parece pouco confiável.
Escolha o idioma
Escolha o idioma em que os documentos estão escritos: inglês, hindi, espanhol, português ou francês. Para documentos que misturam idiomas, escolha os dois, por exemplo hindi e inglês.
Escolha o que ler
Ler só os nomes é o mais rápido: a ferramenta lê a área onde o nome está impresso na primeira página de cada documento. Leia as páginas inteiras quando a própria divisão depender do texto digitalizado.
Confira as palavras incertas
As palavras de que o mecanismo de OCR tem menos certeza ficam destacadas, com uma imagem daquela parte da página ao lado do texto. Corrija-as quando necessário.
Nomeie e baixe
Defina os nomes dos arquivos, revise-os e baixe os arquivos um por um ou em um ZIP. O relatório de auditoria mostra quais valores vieram do OCR.
Configurações a escolher
| Configuração | O que escolher |
|---|---|
| Idioma do OCR | O idioma ou os idiomas em que os documentos estão escritos, não o idioma deste site. |
| O que ler | Só os nomes, quando você divide por número de páginas, por intervalos ou à mão. As páginas inteiras, quando a divisão depende do texto das digitalizações. |
| Área do nome | Marque a área da página onde o nome ou o número está impresso. A mesma área é lida em todos os documentos, então isso funciona melhor para formulários com layout fixo. |
| Regra de divisão | Qualquer regra funciona depois que o texto é lido: uma palavra-chave, “Page 1 of N”, um valor que muda ou a cada N páginas para formulários de tamanho fixo. |
Exemplo
Uma digitalização de quatro páginas com três notas de entrega. O número de cada nota é lido com OCR no topo da primeira página dela.
| Páginas originais | Arquivo dividido |
|---|---|
| 1 | Delivery note 5521.pdf |
| 2–3 | Delivery note 5522.pdf |
| 4 | Delivery note 5523.pdf |
Exemplo com nomes fictícios.
Confira antes de usar os arquivos
- O idioma errado gera texto confiante, mas errado. Nomes com acentos ou em alfabetos não latinos são lidos errado se o idioma não estiver selecionado. Escolha todos os idiomas que os documentos usam.
- A qualidade da digitalização importa. Páginas retas e com bom contraste, digitalizadas a cerca de 300 dpi, são lidas melhor. Fotos de celular e digitalizações de baixa resolução geram mais erros.
- Letra de mão não é lida de forma confiável. Digite você mesmo os nomes de documentos manuscritos ao revisá-los.
- O OCR nunca é tratado como certo. Cada nome lido com OCR é marcado para você conferir antes do download.
- As páginas em si não são alteradas. Por padrão, os arquivos divididos contêm as imagens digitalizadas originais; o texto reconhecido é usado só para dividi-los e nomeá-los.
Os seus arquivos ficam no seu dispositivo
Os seus PDFs são lidos, divididos e nomeados no seu navegador. Eles nunca são enviados, e o seu navegador impede a página da ferramenta de se conectar à internet ou de carregar qualquer coisa de outros sites. Como isso funciona
Perguntas
As minhas digitalizações são enviadas para um serviço de OCR?
Não. O OCR roda em um worker em segundo plano no seu navegador, no seu dispositivo. O mecanismo de reconhecimento e os modelos de idioma são baixados de puffinkit.com quando você usa o OCR; as suas digitalizações nunca saem do seu dispositivo.
O meu PDF já tem texto gerado pelo scanner. Ele vai ser usado?
Sim, se parecer confiável. Se o texto parecer errado, por exemplo cheio de caracteres estranhos, a ferramenta sugere ler essas páginas de novo com OCR.
Quanto tempo o OCR demora?
Depende do seu dispositivo e do número de páginas. Ler só os nomes é muito mais rápido do que ler as páginas inteiras. A ferramenta mostra o andamento e você pode cancelar a qualquer momento.
Mais guias
- Divida um PDF de holerites em um arquivo por funcionárioProgramas de folha de pagamento costumam exportar todos os holerites em um único PDF. Veja como dividi-lo em um arquivo separado e com o nome certo para cada funcionário, sem enviar dados de salário para lugar nenhum.
- Divida um PDF de notas fiscais pelo número da notaSistemas de contabilidade e faturamento costumam imprimir uma leva inteira de notas fiscais em um único PDF. Veja como transformá-lo em um arquivo com o nome certo para cada nota, mantendo juntas as notas com várias páginas.