OCR a partir de PDF (Ferramentas online gratuitas)

Adobe Acrobat Pro

Adobe é a empresa que inicialmente desenvolveu o PDF. Eles oferecem um motor de OCR rápido e eficiente que pode editar qualquer documento PDF que você precisar. É um dos motores de OCR mais poderosos no mercado, e se você tem muitos PDFs para editar, o Adobe Acrobat DC é o que você deve adquirir. Este software foi projetado de forma a converter qualquer documento baseado em texto em formato PDF com grande precisão. Ele também mantém a fonte do documento original usando seu gerador de Fontes Personalizadas.

Vamos ver como podemos fazer OCR em PDF usando o Adobe Acrobat:

• Abra o arquivo no Adobe Acrobat Pro DC.

• Clique na opção "Editar PDF" no painel direito.

  

• Ele converterá um arquivo PDF em um PDF editável usando suas capacidades de OCR.

• Agora, você pode editar qualquer texto e alterar arquivos de imagem nos documentos facilmente.

  

• Você pode salvar o arquivo escolhendo "Arquivo > Salvar Como" e dando um nome adequado ao novo documento PDF.

Você pode facilmente realizar OCR de múltiplos documentos PDF escaneados ao mesmo tempo.

Sejda

Sejda é um software de edição de PDF compatível com OCR que pode ser hospedado na nuvem ou baixado como um aplicativo para desktop para macOS, Windows ou Linux. Sejda permite que os usuários comprimam, editem, assinem digitalmente, mesclem e preencham arquivos PDF. Arquivos em vários formatos, incluindo JPEG e Excel, por exemplo, podem ser transformados em arquivos PDF. PDFs também podem ser transformados em outros formatos, como documentos Word e PowerPoint. Vamos ver como você pode fazer OCR de documentos PDF usando Sejda OCR.

• Open Sejda OCR website.
• Clique no botão "Upload PDF file" para fazer upload de arquivos, ou arraste e solte arquivos do seu computador.

• Após o upload, você verá o nome do arquivo carregado. Selecione o idioma do documento.

  

• Após selecionar o idioma, você deve escolher o formato de saída. Você pode escolher "PDF" ou "Texto". Após definir o formato de saída, clique no botão "Recognize text on all pages". Ele começará a extrair o texto.

  

• Quando o processo for concluído, você poderá baixar o texto extraído.

  

SodaPDF

SodaPDF OCR é um software OCR online gratuito que pode extrair texto de imagens. É uma ferramenta de conversão OCR de PDF que converte documentos escaneados, faxes e outras impressões em texto editável, PDFs e PDFs pesquisáveis. O caso de uso mais comum do SodaPDF OCR é para converter documentos escaneados ou faxes em arquivos editáveis. É um software OCR online gratuito. Todos os documentos carregados são automaticamente excluídos do servidor após um determinado tempo. Ele possui vários recursos, como converter PDF para Word, que pode ser aberto usando o Microsoft Word.

Vamos ver como podemos realizar OCR em um PDF usando o SodaPDF:

• Open the SodaPDF website.
• Clique no botão "Escolher Arquivo" e selecione os documentos PDF desejados para upload.

• Após o upload, ele fornecerá uma interface para edição do texto e imagens do PDF. Você pode baixar o arquivo usando o botão de Download.

  

IronOCR: Biblioteca OCR for .NET

IronOCR é uma biblioteca robusta para OCR no .NET Framework. Ela oferece uma API poderosa para trabalhar com texto e imagens, oferecendo recursos como reconhecimento em tempo real, detecção de campos e reconhecimento óptico de caracteres para arquivos PDF escaneados. IronPDF também pode editar documentos escaneados.

IronOCR dá aos desenvolvedores o poder de reconhecimento de texto em suas aplicações. Ela pode ser usada para vários propósitos, como converter documentos escaneados em formatos digitais ou reconhecer legendas em imagens. A Biblioteca IronOCR .NET fornece uma interface de baixo nível fácil de usar para o IronOCR SDK. Além disso, inclui um pipeline de processamento de imagens que lida automaticamente com imagens de baixa DPI e extrai texto de documentos PDF.

Vamos ver como podemos fazer OCR de um arquivo PDF usando a ferramenta OCR:

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add the entire PDF document for OCR processing
    Input.AddPdf("example.pdf", "password");

    var Result = Ocr.Read(Input);
    // Print the extracted text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add the entire PDF document for OCR processing
    Input.AddPdf("example.pdf", "password");

    var Result = Ocr.Read(Input);
    // Print the extracted text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add specific pages of the PDF document for OCR processing
    Input.AddPdfPages("example.pdf", new [] { 1, 2, 3 }, "password");

    var Result = Ocr.Read(Input);
    // Print the extracted text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add specific pages of the PDF document for OCR processing
    Input.AddPdfPages("example.pdf", new [] { 1, 2, 3 }, "password");

    var Result = Ocr.Read(Input);
    // Print the extracted text to the console
    Console.WriteLine(Result.Text);
}

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add the PDF for processing and specify the password if any
    Input.AddPdf("scan.pdf", "password");

    // Correct twisted or skewed pages
    Input.Deskew();

    var Result = Ocr.Read(Input);
    // Save the processed result as a searchable PDF
    Result.SaveAsSearchablePdf("searchable.pdf");
}

using IronOcr;

var Ocr = new IronTesseract();

using (var Input = new OcrInput())
{
    // Add the PDF for processing and specify the password if any
    Input.AddPdf("scan.pdf", "password");

    // Correct twisted or skewed pages
    Input.Deskew();

    var Result = Ocr.Read(Input);
    // Save the processed result as a searchable PDF
    Result.SaveAsSearchablePdf("searchable.pdf");
}

Conclusão

Exploramos algumas excelentes ferramentas de software para realizar reconhecimento óptico de caracteres. Essas ferramentas permitem reconhecer texto programaticamente e criar PDFs pesquisáveis e editáveis.

Se estiver escrevendo no .NET Framework, IronOCR é nossa recomendação. IronOCR permite que você realize OCR facilmente no .NET Framework; ele é poderoso e pode ser usado facilmente mesmo quando o documento original foi danificado ou distorcido, como por danos causados por água.

Outro caso de uso é converter formulários antigos preenchidos à mão, como faturas e recibos de vendas, em versões digitais. Isso permite que esses documentos sejam processados automaticamente por software de contabilidade, aumentando assim a precisão e a eficiência.