OCR do Google Drive ou OCR que mantém o PDF?

Para um PDF escaneado, o OCR do Google Drive gera um documento editável do Google Docs, e não um PDF pesquisável. Já um OCR de PDF devolve o mesmo arquivo com uma camada de texto invisível por cima das letras. A escolha depende do que você vai fazer depois: editar o texto ou manter o PDF como ele é.

O que acontece quando você abre um scan no Drive

Muita gente descobre o OCR do Google por acaso. Clica com o botão direito num PDF escaneado, escolhe abrir com o Google Docs, e o texto aparece editável na tela. Esse recurso é útil, mas faz outra coisa. O Drive cria um novo arquivo, do tipo documento do Google Docs, com o texto reconhecido e a formatação reconstruída. O PDF original continua como estava, sem texto pesquisável, e o documento novo precisa ser baixado de volta se você quiser um arquivo. A busca do próprio Drive pode até encontrar palavras de um scan, mas isso não grava texto dentro do PDF que você baixa ou envia.

Isso tem consequências práticas. O layout pode mudar: colunas, tabelas, carimbos e assinaturas costumam sair fora do lugar. Além disso, o documento final é um Doc, e não o PDF que o destinatário espera receber. O guia sobre abrir PDF no Google Docs explica quando a conversão funciona e quando ela quebra o documento.

O que é um PDF pesquisável de verdade

Um PDF pesquisável é o mesmo scan, com uma camada de texto escondida. A imagem da página não muda, mas o leitor passa a encontrar palavras com a busca, a selecioná-las e copiá-las. Essa camada fica exatamente sobre as letras da imagem, então o arquivo parece idêntico ao original. Quando você mostra o documento na tela ou imprime, nada muda visualmente.

Essa é a diferença que importa para quem precisa de um PDF para enviar, arquivar ou anexar a um processo. O arquivo continua sendo o documento assinado ou carimbado, e ganha apenas a capacidade de busca. Para editar o texto, aí sim o caminho é converter para outro formato. Quando o ponto de partida é a foto de um texto, o guia foto de texto para Word editável mostra a sequência com OCR e conversão.

Comparação entre as duas saídas

A tabela descreve o comportamento típico das duas saídas. O Google pode mudar a forma como o Drive converte, e um OCR pode ter versões diferentes. Teste com um arquivo real antes de confiar no resultado.

Como funciona um OCR que devolve o PDF

A ferramenta de OCR em PDF do AjustaPDF lê cada página sem texto com o Tesseract, a 300 DPI, e grava o texto reconhecido numa camada invisível exatamente sobre as letras da imagem. Páginas que já têm texto ficam como estão, e um PDF em que todas as páginas já têm texto é recusado com um aviso, porque não há o que reconhecer. A imagem escaneada não é recomprimida, então o arquivo cresce pouco: o texto de uma página pesa alguns kilobytes.

Você escolhe o idioma antes de começar: português, português e inglês, inglês ou espanhol. Escolher o idioma certo melhora o reconhecimento de acentos e de palavras comuns. Cada operação lê até 60 páginas escaneadas. Para um documento maior, divida o PDF e processe cada parte.

Quando o reconhecimento falha

O OCR lê texto impresso bem e errará mais em alguns casos. Manuscrito é o mais difícil: o reconhecedor foi treinado para letra impressa, e o resultado costuma ter erros ou faltar trechos. Carimbo sobre o texto, sombra forte e página torta também pioram a leitura. Antes de culpar a ferramenta, veja a qualidade do scan. Um scan a 200 DPI ou mais, com papel liso, é o cenário ideal, como explica o guia sobre qual DPI usar para escanear.

Para foto de celular, a melhor sequência é endireitar a página antes. A ferramenta de escanear documento corrige a inclinação e clareia o fundo, e o OCR roda depois. O guia sobre o Drive que não consegue visualizar o PDF cobre um problema diferente, que também confunde quem procura texto pesquisável.

Como conferir se o texto ficou pesquisável

1. Abra o PDF final em um leitor e pressione Ctrl+F. Busque uma palavra que aparece várias vezes na página.
2. Se a palavra for encontrada, selecione um parágrafo com o mouse. Se a seleção acompanhar as letras, a camada de texto está no lugar certo.
3. Compare um trecho reconhecido com o original. Confira acentos, números e datas, porque são os erros mais comuns.
4. Se algo estiver errado, não edite o PDF escaneado à mão. Refaça o OCR com outro idioma ou com um scan de melhor qualidade.

Quando o Google Drive é a escolha certa

O OCR do Drive faz sentido quando você quer o texto para revisar, copiar parágrafos ou montar um documento novo a partir do scan. Nesse uso, a edição é o objetivo, e o formato do Doc é aceitável. Para arquivar um comprovante, enviar um contrato escaneado ou anexar um documento a um portal, mantenha o PDF e faça o OCR nele. O guia sobre PDF no Google Drive mostra o que o Drive faz e o que não faz com arquivos em PDF. Para comparar o Drive, o Tesseract rodando no seu computador e um site, veja OCR de PDF grátis. Se o texto sair com erros, o guia OCR errou palavras aponta resolução, idioma e inclinação como causas, e o funcionamento do OCR explica por quê.