Não consigo copiar texto do PDF: permissão ou imagem?
Um teste de trinta segundos mostra se o PDF tem restrição de permissão ou é uma imagem sem texto, e o que fazer em cada caso, com OCR ou desbloqueio.
Quando não dá para copiar um trecho de PDF, a causa costuma ser uma de duas: o arquivo tem uma restrição de permissão, ou a página é uma imagem sem texto nenhum. Um teste de trinta segundos separa os dois casos, e cada um tem uma solução diferente.
O teste de trinta segundos
Faça estas três verificações, nesta ordem, no leitor que você está usando:
- Selecione uma palavra com o mouse. Se ela ficar destacada e o texto colado fizer sentido, a página tem camada de texto. Se nada seleciona, a página é imagem.
- Use Ctrl+F (ou Cmd+F no Mac) e busque uma palavra que aparece na página. Se a busca encontra a palavra, o texto está lá e o problema é outro. Se não encontra, o texto não existe como texto.
- Abra o mesmo arquivo em outro leitor. Navegador, leitor do sistema e um aplicativo de PDF podem aplicar a restrição de jeitos diferentes. Se a cópia funciona em um e não no outro, a restrição está no visualizador, não no arquivo.
Caso 1: o arquivo tem restrição de permissão
Um PDF pode ser criado com uma senha de permissão, também chamada de senha de proprietário. Ela não impede a abertura, mas diz ao leitor que cópia, impressão ou edição não são permitidas. Quem criou o documento é quem define essas regras, e a maioria dos leitores obedece a elas. Por isso o texto aparece selecionado, mas o Ctrl+C não copia nada.
Essa restrição fica gravada dentro do arquivo. Se você tem a senha de permissão, a ferramenta de desbloquear PDF remove a proteção e devolve uma cópia sem criptografia, pronta para copiar, editar ou juntar com outros arquivos. Se não tem a senha, não existe caminho legítimo para liberar a cópia, e o caminho certo é pedir ao emissor uma versão sem restrição.
Caso 2: a página é uma imagem
Um escaneado é a foto de uma folha de papel. Para o arquivo, não existe letra nenhuma, só pixels organizados em forma de letra. Por isso um contrato antigo ou um documento de cartório pode abrir perfeitamente e não selecionar nada. Nenhum leitor copia texto que não existe no arquivo, e a restrição nem entra na conta.
A saída é reconhecer o texto com OCR. A ferramenta de OCR lê cada página sem texto a 300 DPI e grava o resultado numa camada invisível exatamente sobre as letras da imagem. O visual não muda, mas a busca, a seleção e a cópia passam a funcionar. Páginas que já têm texto ficam como estão, e cada operação lê até 60 páginas escaneadas.
| Sintoma | Causa provável | O que fazer |
|---|---|---|
| Seleciona, mas o Ctrl+C não copia | Restrição de permissão | Desbloquear com a senha de permissão, se você a tiver |
| Não seleciona nada e o Ctrl+F não acha | Página em imagem | Reconhecer o texto com OCR |
| Copia em um leitor e no outro não | Cada visualizador trata a restrição de um jeito | Não conte com isso; peça ao emissor uma versão liberada |
| Copia, mas o texto sai com símbolos | Camada de texto com erro de mapeamento | Não resolve com OCR; ver a origem do arquivo |
O último caso tem guias próprios: texto copiado do PDF que sai embaralhado e acentos errados ao converter. Para entender a diferença entre as duas senhas, veja senha de abrir ou de permissão no PDF. Se o objetivo é o inverso, impedir que copiem o texto do seu PDF, veja proteger PDF contra cópia de texto e print.
Como usar o OCR sem perder o controle do resultado
Escolha o idioma do documento antes de rodar. A opção Português cobre a maioria dos documentos brasileiros, e a opção Português e inglês serve para textos com termos técnicos em outra língua. O reconhecimento não é perfeito: manuscritos, carimbos sobre o texto e fotos tortas erram mais. Depois da conversão, procure as palavras-chave com Ctrl+F e compare os números com o papel original.
Se o documento for longo, divida em partes antes. Uma operação de OCR lê até 60 páginas escaneadas, e cada parte pode ser feita separadamente e juntada depois, sem perder as camadas de texto que já foram criadas. Para entender por que um escaneado fica pesado e como ele se comporta ao ser reduzido, o guia sobre escaneados pesados aprofunda o assunto.
O que a ferramenta não faz
- Não quebra senhas. Ela usa a senha que você informa e falha se ela estiver errada.
- Não abre e-books com DRM. Livros protegidos por gerenciamento de direitos digitais não são desbloqueados aqui.
- Não inventa texto ilegível. Se a imagem está borrada, o OCR devolve palavras erradas ou não devolve nada.
Ordem certa quando você tem a senha
Se o arquivo tem senha e você a conhece, faça a operação nesta sequência: primeiro desbloqueie, depois reconheça o texto se for um escaneado, e só então copie, edite ou converta. Assim o OCR roda sobre o arquivo sem criptografia e a cópia final sai sem restrição. Se o objetivo é um documento editável, a conversão para Word, no modo de texto editável, faz o OCR automaticamente nas páginas sem texto, e o resultado é um arquivo que pode ser alterado sem passar pelo PDF.
Para saber por que o OCR erra letras pequenas, veja como funciona o OCR, e se a busca falha mesmo com texto, Ctrl+F que não acha texto. Quando a cópia é só para citar um trecho, o mais rápido é digitar as frases de volta e conferir com a página ao lado. Em contratos e documentos com valores, esse passo vale mais que qualquer ferramenta, porque um número trocado pelo OCR não aparece em nenhum aviso.
Perguntas frequentes
Por que não consigo copiar o texto deste PDF se ele abre normalmente?
Porque o arquivo pode ter uma restrição de permissão, que bloqueia copiar, imprimir ou editar mesmo quando a leitura é liberada. Pode ser também que a página seja uma imagem escaneada, sem nenhum texto para copiar. Ctrl+F e uma seleção de palavra dizem qual dos dois casos é o seu.
Como saber se o PDF é uma imagem ou se tem texto de verdade?
Selecione uma palavra com o mouse e use Ctrl+F (Cmd+F no Mac) para buscar uma palavra que aparece na página. Se a busca encontra a palavra, o texto existe e a restrição está no arquivo. Se nada seleciona e a busca não acha nada, a página é uma imagem e precisa de OCR.
Dá para copiar o texto de um PDF protegido sem saber a senha?
Não. O AjustaPDF remove a proteção de um PDF apenas com a senha informada pelo usuário e não quebra nem adivinha senhas. Se a restrição de permissão foi definida por quem criou o arquivo e você não tem a senha, a saída é pedir ao emissor uma versão sem a proteção.
O OCR copia exatamente o que está escrito na página?
Copia o que o programa reconhece, e isso depende da nitidez do scan, do idioma escolhido e da inclinação da página. O OCR da ferramenta lê cada página sem texto a 300 DPI e adiciona uma camada de texto invisível sobre a imagem. Confira nomes, números e valores antes de usar o texto em qualquer documento oficial.