Tem um documento PDF^{(PDF document)} do qual gostaria de extrair todo o texto? E os arquivos de imagem de um documento digitalizado que você deseja converter em texto editável? Esses são alguns dos problemas mais comuns que tenho visto no local de trabalho ao trabalhar com arquivos.

Neste artigo, falarei sobre várias maneiras diferentes de tentar extrair texto de um PDF ou de uma imagem. Os resultados da extração variam de acordo com o tipo e a qualidade^{(type and quality)} do texto no PDF ou na imagem^{(PDF or image)} . Além disso, seus resultados variam dependendo da ferramenta que você usa, portanto, é melhor experimentar o máximo possível das opções abaixo para obter os melhores resultados.

Extrair texto de imagem ou PDF

A maneira mais simples e rápida de começar é experimentar um serviço de extração de ^{(extractor service)}texto PDF^{(PDF text)} online . Normalmente, eles são gratuitos e podem fornecer exatamente o que você procura sem precisar instalar nada no seu computador. Aqui estão dois que eu usei com resultados muito bons a excelentes:

Extrair PDF

ExtractPDF é uma ferramenta gratuita para pegar imagens, texto e fontes^{(text and fonts)} de um arquivo PDF^{(PDF file)} . A única limitação é que o tamanho máximo^{(max size)} do arquivo PDF^{(PDF file)} é 10 MB. Isso é um pouco pequeno; portanto, se você tiver um arquivo maior, tente alguns dos outros métodos abaixo. Escolha seu arquivo e clique no botão Enviar arquivo^{(Send file)} . Os resultados são normalmente muito rápidos e você deve ver uma prévia do texto quando clicar na guia Texto^{(Text tab)} .

Também é um bom benefício adicional que extrai imagens do arquivo PDF^{(PDF file)} também, caso você precise delas! No geral, a ferramenta online funciona muito bem, mas encontrei alguns documentos em PDF^{(PDF docs)} que me deram resultados engraçados. O texto é extraído muito bem, mas por algum motivo terá uma quebra de linha^{(line break)} após cada palavra! Não é um grande problema para um arquivo PDF^{(PDF file)} curto , mas certamente um problema para arquivos com muito texto. Se isso acontecer com você, tente a próxima ferramenta.

OCR on-line

O OCR online^{(Online OCR)} geralmente funcionava para os documentos que não foram convertidos corretamente com ExtractPDF , portanto, é uma boa ideia experimentar os dois serviços para ver qual deles oferece melhor resultado. O OCR online^{(Online OCR)} também possui alguns recursos melhores que podem ser úteis para qualquer pessoa com um arquivo PDF^{(PDF file)} grande que precise apenas converter texto em algumas páginas, em vez de todo o documento.

A primeira coisa que você quer fazer é ir em frente e criar uma conta gratuita. É um pouco chato, mas se você não criar a conta gratuita, ela converterá apenas parcialmente seu PDF em vez de todo o documento. Além disso, em vez de carregar apenas um documento de 5 MB^{(MB document)} , você pode carregar até 100 MB por arquivo com uma conta.

Primeiro, escolha um idioma e, em seguida, escolha o tipo de formato de saída que você deseja para o arquivo convertido. Você tem algumas opções e pode escolher mais de uma, se quiser. Em Documento^{(Multipage document)} de várias páginas , você pode selecionar Números de página^{(Page numbers)} e escolher apenas as páginas que deseja converter. Então você seleciona o arquivo e clica em ^{(file and click)} Converter^(Convert) !

Após a conversão, você será levado à seção Documentos^(Documents) (se estiver logado), onde poderá ver quantas páginas gratuitas disponíveis ainda restam e links para baixar seus arquivos convertidos. Parece que você tem apenas 25 páginas de graça por dia, então se você precisar de mais do que isso, terá que esperar um pouco ou comprar mais páginas.

O OCR online^{(Online OCR)} fez um excelente trabalho ao converter meus PDFs^(PDF) porque conseguiu manter o layout real do texto. No meu teste, peguei um documento do Word^{(Word doc)} que usava marcadores, tamanhos de fonte diferentes etc. e o converti em um PDF . Então eu usei o Online OCR para convertê-lo de volta para o formato Word^{(Word format)} e foi cerca de 95% igual ao original. Isso é bastante impressionante para mim.

Além disso, se você deseja converter uma imagem em texto, o Online OCR pode fazer isso tão facilmente quanto extrair texto de arquivos PDF .

OCR on-line gratuito

Já que estávamos falando sobre OCR de imagem para texto , deixe-me mencionar outro bom site que funciona muito bem com imagens. O OCR Online Gratuito^{(Free Online OCR)} foi muito bom e muito preciso ao extrair texto das minhas imagens de teste. Tirei algumas fotos do meu iPhone de páginas de livros, panfletos, etc e fiquei surpreso com o quão bem ele conseguiu converter o texto.

Escolha seu arquivo e clique no botão Upload^{(Upload button)} . Na próxima tela, há algumas opções e uma visualização da imagem. Você pode cortá-lo se não quiser fazer o OCR inteiro. Em seguida, basta clicar no botão OCR^{(OCR button)} e seu texto convertido aparecerá abaixo da visualização da imagem^{(image preview)} . Também não tem limitações, o que é muito bom.

Além dos serviços online, existem dois conversores de PDF freeware que quero mencionar caso você precise de um software rodando localmente em seu computador para realizar as conversões. Com os serviços online, você sempre precisará de uma conexão com a Internet^{(Internet connection)} e isso pode não ser possível para todos. No entanto, notei que a qualidade das conversões dos programas freeware eram significativamente piores do que as dos sites.

Extrator de texto A-PDF

O A-PDF Text Extractor^{(A-PDF Text Extractor)} é um freeware que faz um bom trabalho de extração de texto de arquivos PDF^{(PDF file)} s. Depois^(Once) de baixá-lo e instalá-lo, clique no botão Abrir^{(Open button)} para escolher seu arquivo PDF^{(PDF file)} . Em seguida, clique em Extrair texto^{(Extract text)} para iniciar o processo.

Ele solicitará um local para armazenar o arquivo de saída de texto^{(text output file)} e, em seguida, começará a extrair. Você também pode clicar no botão Opção^(Option) , que permite escolher apenas determinadas páginas a serem extraídas e o tipo de extração^{(extraction type)} . A segunda opção é interessante porque extrai o texto em diferentes layouts e vale a pena experimentar as três para ver qual te dá o melhor resultado.

Piloto PDF2Text

O PDF2Text Pilot^{(PDF2Text Pilot)}  faz um bom trabalho de extração de texto. Não tem opções; você apenas adiciona arquivos ou pastas, converte e espera^{(convert and hope)} o melhor. Funcionou bem em alguns PDFs , mas para a maioria deles, houve vários problemas.

Basta clicar em Adicionar arquivos^{(Add Files)} e, em seguida, clicar em Converter^(Convert) . Quando a conversão estiver concluída, clique em Procurar^(Browse) para abrir o arquivo. Sua milhagem irá variar usando este programa, então não espere muito.

Além disso, vale a pena mencionar que, se você estiver em um ambiente corporativo ou puder obter uma cópia do Adobe Acrobat do trabalho, poderá obter resultados muito melhores. Obviamente, o Acrobat^(Acrobat) não é gratuito, mas tem opções para converter PDF para formato Word , Excel e HTML^{(Excel and HTML format)} . Ele também faz o melhor trabalho de manter a estrutura do documento original e converter texto complicado.

Extract Text from PDF and Image Files

Have a PDF document that you would like to extract all the text out of? What about imagе files оf a scanned document thаt you want to cоnvert into editable text? These are some of the most common issueѕ I’ve seеn at the workplace when working wіth files.

In this article, I’ll talk about several different ways you can go about trying to extract text from a PDF or from an image. Your extraction results will vary depending on the type and quality of the text in the PDF or image. Also, your results will vary depending on the tool you use, so it’s best to try out as many of the options below as possible to get the best results.

Extract Text from Image or PDF

The simplest and quickest way to start is to try an online PDF text extractor service. These are normally free and can give you exactly what you are looking for without having to install anything on your computer. Here are two that I have used with very good to excellent results:

ExtractPDF

ExtractPDF is a free tool to grab images, text and fonts out of a PDF file. The only limitation is that the max size for the PDF file is 10 MB. That’s a bit small; so if you have a bigger file, try some of the other methods below. Choose your file and then click the Send file button. The results are normally very fast and you should see a preview of the text when you click on the Text tab.

It is also a nice added benefit that it extracts images out of the PDF file too, just in case you need those! Overall, the online tool works great, but I have run into a couple of PDF docs that give me funny output. The text is extracted just fine, but for some reason it’ll have a line break after each word! Not a huge problem for a short PDF file, but certainly an issue for files with lots of text. If that happens to you, try the next tool.

Online OCR

Online OCR usually tended to work for the documents that didn’t convert properly with ExtractPDF, so it’s a good idea to try both services to see which ones gives you better output. Online OCR also has some nicer features that can prove handy for anyone with a large PDF file that only needs to convert text on a few pages rather than the whole document.

The first thing you want to do is go ahead and create a free account. It’s a bit annoying, but if you don’t create the free account, it will only partially convert your PDF rather than the entire document. Also, instead of only being able to upload only a 5 MB document, you can upload up to 100MB per file with an account.

First, choose a language and then pick the type of output formats you would like for the converted file. You have a couple of options and you can choose more than one if you like. Under Multipage document, you can select Page numbers and then choose only the pages that you want to convert. Then you select the file and click Convert!

After conversion, you’ll be brought to the Documents section (if you’re logged in) where you can see how many available free pages you have left and links to download your converted files. It seems like you only have 25 pages for free a day, so if you need more than that, you’ll have to either wait a bit or buy more pages.

Online OCR did an excellent job of converting my PDFs because it was able to maintain the actual layout of the text. In my test, I took a Word doc that used bullets, different font sizes, etc and converted it to a PDF. Then I used Online OCR to convert it back to Word format and it was about 95% the same as the original. That’s pretty impressive for me.

Plus, if you are looking to convert an image to text, then Online OCR can do that just as easily as extracting text from PDF files.

Free Online OCR

Since were talking about image to text OCR, let me mention another good website that works really well on images. Free Online OCR was very good and very accurate when extracting text from my test images. I took a couple of photos from my iPhone of pages from books, pamphlets, etc and I was surprised at how well it was able to convert the text.

Choose your file and then click the Upload button. On the next screen, there are a couple of options and a preview of the image. You can crop it if you don’t want to OCR the whole thing. Then just click the OCR button and your converted text will appear below the image preview. It also doesn’t have any limitations, which is really nice.

In addition to the online services, there are two freeware PDF converters I want to mention in case you need software running locally on your computer to perform the conversions. With online services, you’ll always need an Internet connection and that may not be possible for everyone. However, I noticed that the quality of the conversions from the freeware programs were significantly worse than those of the websites.

A-PDF Text Extractor

A-PDF Text Extractor is freeware that does an fairly good job of extracting text from PDF files. Once you download it and install it, click the Open button to choose your PDF file. Then click Extract text to start the process.

It’ll ask you a location to store the text output file and then it will begin extracting. You can also click on the Option button, which lets you choose only certain pages to extract and the extraction type. The second option is interesting because it extracts the text in different layouts and it’s worth trying all three to see which ones gives you the best output.

PDF2Text Pilot

PDF2Text Pilot does an ok job of extracting text. It doesn’t have any options; you just add files or folders, convert and hope for the best. It worked well on some PDFs, but for the majority of them, there were numerous issues.

Just click Add Files and then click Convert. Once the conversion is complete, click on Browse to open the file. You mileage will vary using this program so don’t expect much.

Also, it’s worth mentioning that if you are in a corporate environment or can get your hands on a copy of Adobe Acrobat from work, then you can really get much better results. Acrobat is obviously not free, but it has options to convert PDF to Word, Excel and HTML format. It also does the best job of maintaining the structure of the original document and converting complicated text.

Related posts

• Como combinar ou mesclar vários arquivos de texto

• Melhor visualizador de PDF alternativo gratuito ao Adobe Reader

• Converter um PC Windows em uma máquina virtual usando o Hyper-V

• Como alterar a cor do ícone da pasta no Windows

• A melhor ferramenta de desfragmentação gratuita para Windows é ela mesma

• Converter diretório do Windows para listagem HTML

• Dividir ou dividir a tela da área de trabalho em várias partes

• 10 ferramentas úteis para manter em sua unidade flash USB

• 10 melhores ferramentas para marcar MP3s e editar metadados

• 3 principais aplicativos para usar o Instagram no seu PC

• Mapear uma pasta para uma letra de unidade no Windows

• Como compartilhar arquivos entre PCs, smartphones e tablets

• Como adicionar Shadow a Text or Image em GIMP

• Como reparar arquivos AVI corrompidos ou danificados

• HoneyView Review: Free Rápido Image Viewer Software para Windows 10

• Melhores gerenciadores de área de transferência gratuitos para Windows

• ImBatch é um Batch Image Processing Software livre para Windows PC

• Como sincronizar duas pastas em tempo real no Windows

• Image Editing Software and Editors livre para Windows 11/10

• Como remover Password de PDF com Free Software or Online Tool