PDF com conteúdo não reconhecido em sistema: como testar e corrigir

Quando um portal recusa o PDF com a mensagem de conteúdo não reconhecido, uma causa comum é um arquivo que é só imagem. Teste selecionando uma palavra: se não seleciona, aplique OCR, confira o resultado e envie de novo. Se o erro persistir, veja se o arquivo está danificado ou se o sistema pede um formato específico.

O que a mensagem quer dizer

A frase "conteúdo não reconhecido" é genérica. Ela significa que o sistema não conseguiu extrair o que esperava do arquivo, e não diz qual parte falhou. Por isso, o diagnóstico começa separando as causas mais prováveis: o arquivo não tem texto, o arquivo está danificado, a senha impede a leitura ou o sistema pede um tipo específico de PDF.

Alguns sistemas leem o documento por dentro, procurando palavras e números nos campos, como nome, CPF, data e número de inscrição. Uma página escaneada não entrega nada nessa leitura, mesmo que o papel esteja perfeito para um olho humano. Por isso a mesma foto pode ser aceita por um e-mail e recusada por um portal.

Teste em um minuto

Abra o PDF no computador ou no celular e tente selecionar uma palavra no meio de uma página. Depois, use Ctrl+F (ou Cmd+F, no Mac) para procurar um termo que aparece no documento. Se a seleção funciona e a busca encontra o termo, o texto existe e a causa está em outro lugar. Se nada disso funciona, o arquivo é uma imagem.

Repita o teste em mais de uma página. Um documento pode ter páginas digitais e páginas escaneadas juntas, e a recusa vem da página que não tem texto, mesmo que as outras estejam certas.

Aplicar OCR e conferir o resultado

O OCR lê as letras da imagem e grava o texto numa camada invisível sobre a página. O visual não muda, mas o sistema passa a encontrar o texto (se quiser entender por que a seleção às vezes sai fora do lugar, veja a camada de texto invisível do OCR). Na ferramenta de OCR em PDF, escolha o idioma português e envie o arquivo. Cada página sem texto é lida; páginas que já têm texto ficam como estão. Cada operação lê até 60 páginas escaneadas, então, num documento maior, divida antes.

Depois do OCR, não envie direto. Abra o resultado e confira três coisas: se o texto saiu em português, com acentos; se números, datas e nomes próprios estão certos; e se todas as páginas têm texto selecionável. Um erro num número de inscrição ou num CPF pode fazer o sistema recusar um documento que estava correto. Quando a foto de origem está torta ou borrada, o reconhecimento sai pior, e o guia sobre OCR que errou palavras ajuda a corrigir a causa antes do OCR.

Quando o OCR não basta

Se o arquivo não abre em lugar nenhum, o problema é a estrutura, e o OCR nem chega a rodar direito. A ferramenta de reparar PDF tenta reconstruir a estrutura antes. Se o arquivo pede senha, a senha precisa sair antes da validação: use a ferramenta de desbloquear PDF com a senha que você tem.

Já quando o sistema pede um formato específico, a conversão é outra. Alguns sistemas de arquivamento exigem PDF/A, um padrão de arquivo de longo prazo, e recusam PDF comum. Se a ajuda do sistema pedir isso, a ferramenta de PDF para PDF/A converte o arquivo para o padrão. Confirme antes se o sistema realmente pede PDF/A, porque a conversão não substitui a exigência do edital; para saber o que muda no arquivo, veja como o PDF/A se relaciona com o PDF comum.

Nome do arquivo

Alguns sistemas também recusam nomes com acentos, espaços ou caracteres especiais. Se o OCR e os demais testes estão certos e o erro continua, renomeie o arquivo com um nome simples, como documento-1.pdf, e envie de novo. É um teste barato que descarta uma causa comum.

Onde encontrar a exigência certa

Os requisitos de cada sistema mudam, e este guia não cita limites de nenhum portal. A exigência certa está na página de ajuda do próprio sistema, no edital ou no manual de envio, quando existem. A mensagem de erro também ajuda: ela costuma apontar o que falhou, mesmo que de forma genérica. Se nada disso for claro, o atendimento do órgão ou da instituição responde melhor do que qualquer tabela, e vale levar o nome do arquivo e um print do erro.

Para um documento que vai ser lido por máquina, como um comprovante enviado a um portal, confira também se ele passou por OCR depois de escaneado, e não apenas uma foto convertida em PDF (a ferramenta de escanear documento já faz o OCR por padrão). O caso do SEI está em PDF pesquisável para o SEI, e a diferença geral em PDF pesquisável ou PDF comum. Uma imagem sem texto é uma das causas mais frequentes de recusa, e é o que o teste de seleção identifica em segundos.