Pular para o conteúdo
valorizacaodeativos.com

Texto de verdade ou imagem de texto: o que há dentro do seu PDF

Por valorizacaodeativos.com 6 min de leitura Formatos e qualidade

Ilustração de uma página de PDF ao lado de uma régua e do desenho de letras

O cursor passa por cima da página, arrasta da primeira à última linha e, em vez de um trecho marcado, a folha inteira fica azul. Esse é o sinal mais comum de que o PDF guarda apenas a fotografia de uma página, e não o texto. A diferença muda o que você consegue fazer: buscar uma palavra, copiar um parágrafo, ouvir o arquivo num leitor de tela. Este guia ensina um teste curto para descobrir o que há dentro do seu arquivo e explica as consequências de cada resultado.

O teste de dois minutos: selecionar, buscar e ampliar

Os passos a seguir não alteram o arquivo. Faça-os numa página do meio, não só na primeira.

  1. Selecione. Arraste o cursor sobre uma linha. No celular, toque e segure sobre uma palavra. Se palavras isoladas ficam marcadas, há texto. Se um bloco retangular ou a página toda é marcada, a página é uma imagem.
  2. Busque. Use a caixa de busca do leitor para procurar uma palavra que você vê na página. Se o leitor encontra e destaca, há texto. Se informa que não achou, a página pode ser imagem, ou a palavra pode estar escrita de outro jeito.
  3. Amplie. Aumente muito o zoom sobre uma letra. Texto de verdade continua nítido, porque as letras são redesenhadas em cada ampliação. Numa imagem, as letras viram quadradinhos.
  4. Copie e cole. Copie um trecho e cole num bloco de notas. Se aparecem as palavras certas, há texto. Se não aparece nada, não há. Se aparecem palavras com letras trocadas, o texto pode ter sido reconhecido a partir de uma imagem e conter erros.

Três tipos de página e como cada uma responde ao teste

Uma página de PDF cai em uma destas situações, e um mesmo arquivo pode misturar páginas de tipos diferentes.

Tipo Resultado nos testes De onde costuma vir
Texto de verdade Seleciona palavra por palavra, a busca funciona, o zoom mantém a nitidez Documento exportado do computador
Só imagem Seleciona a página inteira ou nada, a busca não acha, o zoom pixeliza Fotografia ou digitalização de uma folha de papel
Imagem com texto invisível Parece imagem, mas a seleção e a busca funcionam Digitalização passada por reconhecimento de texto

A terceira linha é o resultado do OCR, sigla de reconhecimento óptico de caracteres. O programa examina a imagem, identifica as letras e coloca sobre cada palavra uma camada de texto invisível. O que você vê continua sendo a fotografia; o que o leitor encontra é o texto escondido.

Esse reconhecimento pode errar. Letra manuscrita, folha torta, foco ruim e tinta clara aumentam a chance de erros. Por isso, mesmo num arquivo com texto invisível, confira as palavras que importam. Os cuidados de legibilidade de documentos digitalizados reduzem esses erros. Onde o recurso existe, e com que nome, depende do aplicativo de digitalização ou do leitor que você usa.

O Editor de PDFs não faz reconhecimento de texto. Ele reorganiza páginas e não cria camada de texto nova, então uma página que é só imagem continua assim depois de juntar, dividir ou girar.

O que muda para a busca, o leitor de tela e o peso

A tabela mostra as consequências práticas da diferença.

Situação Texto de verdade Só imagem
Buscar uma palavra Funciona Não encontra nada
Copiar um trecho Funciona Não copia
Leitor de tela Lê o conteúdo em voz alta Não tem texto para ler
Peso do arquivo Costuma ser pequeno Costuma ser maior, pois cada página é uma imagem
Qualidade ao ampliar Letras nítidas em qualquer zoom Depende da resolução da digitalização

Para quem usa leitor de tela, a imagem de texto é uma página sem conteúdo. As diretrizes de acessibilidade da web (WCAG) preferem texto de verdade a imagens de texto. Um PDF com marcação de estrutura ajuda ainda mais, porque organiza o texto na ordem de leitura. O guia sobre acessibilidade em PDF trata dessa marcação.

Sobre o peso, a explicação completa está em o que deixa um PDF pesado. Aqui basta lembrar que uma página que é imagem carrega os pixels da folha inteira, e uma página de texto carrega só as instruções para desenhar as letras. A resolução de digitalização influencia diretamente esse peso.

Checklist para conferir uma digitalização pronta

Antes de guardar ou enviar um PDF feito de folhas de papel, passe por esta lista:

  • A seleção marca palavras isoladas, e não a página inteira.
  • A busca encontra uma palavra da primeira página e outra da última.
  • Ao ampliar, as letras continuam legíveis, sem quadradinhos.
  • Palavras importantes, como nomes e números de exercícios, foram copiadas e coladas sem letras trocadas.
  • Páginas de tipos diferentes, como capa em imagem e miolo em texto, foram testadas uma a uma.

Se o arquivo falhar em algum item, volte ao momento de digitalizar. Para fazer isso com a câmera do celular, o passo a passo está em escanear documentos com o celular.

Erros comuns

  • Achar que um PDF digitalizado tem texto só porque abre no leitor. Abrir não prova nada. Só o teste de seleção e de busca mostra o que há dentro.
  • Confiar no reconhecimento de texto sem conferir. O resultado parece perfeito na tela e pode esconder letras trocadas na camada invisível.
  • Testar apenas a primeira página. Um arquivo montado a partir de várias fontes pode ter páginas de tipos diferentes.
  • Concluir que não há texto porque uma busca falhou. A palavra pode estar escrita com outro acento ou separada por hífen no fim da linha. Tente outra palavra antes de decidir.
  • Esperar que o Editor de PDFs transforme imagem em texto. Ele não reconhece texto. Esse passo acontece no aplicativo de digitalização, antes de organizar as páginas.

Perguntas frequentes

Como saber se um PDF é imagem ou texto?

Tente selecionar uma palavra com o cursor e buscar essa palavra pela caixa de busca do leitor. Se as duas ações funcionam, há texto. Se a página inteira é marcada e a busca não encontra a palavra, provavelmente é imagem. Teste outra palavra e outra página antes de concluir.

Um PDF só de imagem pode virar um PDF com texto?

Sim, por meio de reconhecimento de texto. O recurso existe em alguns aplicativos de digitalização e leitores, e o nome varia. O resultado depende da qualidade da página e deve ser conferido.

PDF com texto invisível é igual a PDF com texto de verdade?

Não. No primeiro, a imagem continua sendo o que se vê, e o texto fica escondido por cima, com possíveis erros. No segundo, as letras são o próprio conteúdo da página.

Por que o PDF digitalizado pesa mais?

Porque cada página é uma imagem com informação sobre cada ponto da folha. Já uma página de texto guarda instruções para desenhar letras e linhas, que ocupam bem menos espaço.

Fontes

Leia também