Como tornar pesquisável um PDF escaneado no Mac (OCR local)

Um PDF escaneado é uma pilha de imagens de páginas. Você consegue ler, o seu Mac não: o Spotlight não encontra nada dentro dele, a busca da Pré-Visualização volta vazia e não dá para copiar uma frase sequer. Para resolver, é preciso reconhecer o texto de cada página (OCR, reconhecimento óptico de caracteres) e salvá-lo no PDF como uma camada de texto invisível. No Mac, dá para fazer isso sem enviar o documento a lugar nenhum: no Folia Files, abra o PDF nas Ferramentas de PDF e clique em Tornar Pesquisável (OCR)…. O macOS lê o texto no seu Mac e o Folia Files grava uma nova cópia, pesquisável, ao lado do original.

Veja o que "pesquisável" significa de verdade, como verificar um PDF e o passo a passo.

O que torna um PDF pesquisável

Uma página de PDF pode conter duas coisas bem diferentes:

• Texto, guardado como caracteres. É o que você obtém ao exportar um documento do Word, do Pages ou de um navegador. Dá para selecionar, buscar e copiar.
• Imagens da página. É o que a maioria dos scanners, dos apps de digitalização e uma foto salva como PDF produzem. Parece igual, mas para o computador são apenas pixels.

Um escaneamento pesquisável tem as duas coisas: a imagem que você vê e, por cima, as palavras reconhecidas, posicionadas de forma invisível nos mesmos lugares. Você continua vendo o escaneamento original, mas agora pode selecionar uma linha, copiá-la e encontrar o documento por uma palavra que ele contém.

Como saber se um PDF tem camada de texto

Abra-o na Pré-Visualização e tente um destes dois métodos:

1. Pressione ⌘ F e busque uma palavra bem legível na página. Nenhum resultado significa que não há texto por trás.
2. Arraste o ponteiro sobre uma frase. Se não conseguir destacar palavras, só desenhar um retângulo, a página é uma imagem.

Um PDF também pode ser misto: algumas páginas digitadas, outras escaneadas e incluídas depois. Verifique várias páginas, não só a primeira.

Por que o Spotlight e a Pré-Visualização não ajudam com um escaneamento

O Spotlight indexa o texto guardado dentro dos documentos. Um PDF escaneado não tem nenhum, então uma busca por "aluguel" ou por um número de nota fiscal só o encontra se essas palavras estiverem no nome do arquivo. Isso vale para qualquer ferramenta de busca que dependa do Spotlight, incluindo a busca no texto do Folia Files.

A Pré-Visualização abre e anota PDFs muito bem, mas não tem um comando para reconhecer o texto de uma página escaneada e salvá-lo no arquivo. O Texto ao Vivo pode deixar você selecionar palavras em algumas imagens na tela, mas não grava nada no PDF: a próxima busca continua sem encontrar nada.

As versões recentes do macOS leem, sim, o texto de arquivos de imagem, como um escaneamento em JPEG ou PNG, e o Spotlight pode depois encontrá-los pelo que dizem. Um PDF feito de páginas escaneadas não recebe esse tratamento.

Tornar pesquisável um PDF escaneado com o Folia Files

O Folia Files é um gerenciador de arquivos para Mac. As suas ferramentas de PDF combinam, reordenam, giram, dividem e comprimem PDFs, e tornam pesquisável o texto dos escaneamentos. O reconhecimento é feito pelo macOS (o framework Vision da Apple) no seu Mac: o documento nunca sai dele, e você não precisa de conexão com a internet.

1. Abra o PDF nas Ferramentas de PDF

Clique com o botão direito no PDF escaneado em um painel do Folia Files e escolha Ferramentas de PDF…. A ferramenta abre em uma aba, com o arquivo já na lista. Você também pode abri-la pela barra de menus (Ferramentas › Ferramentas de PDF…) ou pelo botão Ferramentas da barra de ferramentas e depois adicionar arquivos com Adicionar… ou Seleção do Painel, ou soltando-os sobre as páginas.

2. Confira as páginas

A parte da direita, Páginas, mostra cada página em miniatura. Antes de reconhecer o texto:

• endireite as páginas deitadas com Girar para a Esquerda ou Girar para a Direita (sem nenhuma página selecionada, todas giram);
• remova páginas em branco ou desnecessárias com o botão da lixeira (o arquivo em si não muda);
• reordene as páginas com as setas se o scanner as puxou fora de ordem.

A ferramenta trabalha com todas as páginas exibidas, nessa ordem. Se você marcou vários arquivos, as páginas deles são reunidas em um único documento: para tornar vários PDFs pesquisáveis separadamente, faça um de cada vez (com Limpar Tudo entre eles).

3. Clique em Tornar Pesquisável (OCR)…

Clique em Tornar Pesquisável (OCR)… na barra de baixo. Quando a janela não é larga o bastante para todos os botões, como na imagem abaixo, o comando fica no menu Mais ações, ao lado de Salvar como um Único PDF….

O Folia Files pergunta onde salvar o resultado e sugere a mesma pasta, com o nome original seguido de "(pesquisável)". Em seguida mostra Reconhecendo texto… enquanto o macOS lê cada página. Ao terminar, o Folia Files volta para os seus arquivos com o novo PDF selecionado na pasta; a barra de baixo da aba Ferramentas de PDF informa quantos caracteres foram reconhecidos.

O seu PDF original nunca é modificado. O novo parece exatamente igual, com o texto reconhecido colocado de forma invisível sobre cada página escaneada. As páginas que já tinham texto ficam como estão: só as páginas sem nenhum texto passam pelo reconhecimento.

4. Busque uma palavra para conferir

O Spotlight precisa de um momento para indexar um arquivo novo. Depois, busque uma palavra que você sabe que está no escaneamento: no Spotlight (⌘ Espaço), na Pré-Visualização com ⌘ F ou no Folia Files. No Folia Files, clique em Buscar na barra de ferramentas, escolha No conteúdo de texto no menu do botão que mostra No nome e digite as suas palavras. Cada resultado diz por que foi encontrado.

A busca do Folia Files procura todas as palavras digitadas, em qualquer ordem, sem levar em conta maiúsculas nem acentos.

Transformar fotos de documentos em papel em um único PDF pesquisável

As Ferramentas de PDF também aceitam imagens: fotos em JPEG, PNG ou HEIC de recibos, cartas ou páginas de um contrato. Cada imagem vira uma página. Adicione todas, coloque as páginas em ordem e clique em Tornar Pesquisável (OCR)…: você obtém um único PDF cujo texto pode ser buscado e copiado, feito só com o que você fotografou.

Se você quer apenas um PDF limpo sem reconhecimento, basta Salvar como um Único PDF…, e Comprimir… costuma deixar um PDF de fotos bem mais leve.

O que esperar do reconhecimento

• Idiomas. Na versão atual, o Folia Files reconhece texto em inglês, francês, alemão, espanhol e italiano.
• Qualidade. Escaneamentos nítidos, retos e bem iluminados dão os melhores resultados. Letras pequenas, escrita à mão, carimbos e cópias muito desbotadas podem sair errados ou nem sair. O OCR nunca é perfeito: busque algumas palavras para ver como ficou.
• Layout. A página visível não muda: você continua vendo o escaneamento. Só o texto invisível é acrescentado, linha por linha, onde o macOS o encontrou.
• Tempo. As páginas são lidas uma após a outra. Poucas páginas levam segundos; um livro escaneado longo leva mais, e você pode continuar trabalhando em outras abas enquanto isso.
• Privacidade. Nada é enviado a um servidor. O escaneamento, o texto reconhecido e o resultado ficam no seu Mac.

Outras formas de fazer isso

O Adobe Acrobat Pro sabe reconhecer o texto de um PDF escaneado, e muitos apps de digitalização fazem isso na hora do escaneamento se a opção estiver ativada. Serviços de OCR online também funcionam, mas exigem enviar o documento, o que raramente você quer fazer com um contrato, um holerite ou um laudo médico. O Folia Files é uma boa opção quando os escaneamentos já estão no seu Mac e você quer poder buscá-los junto com o resto dos seus arquivos, sem enviá-los a lugar nenhum.