Camada de texto
O que é uma camada de texto, como ela entra em um documento e por que ela determina se o seu PDF é realmente pesquisável.
A camada de texto é o texto legível por máquina armazenado em uma página de PDF, separado da aparência da página. Quando um visualizador pesquisa, seleciona ou copia texto, ele lê a camada de texto, e não os pixels. Uma página sem camada de texto é apenas uma imagem, mesmo que mostre palavras.
Em PDFs exportados de um editor de texto ou de um navegador, o texto visível e a camada de texto são os mesmos objetos. Em páginas digitalizadas e capturas de tela, o conteúdo visível é uma imagem, e o OCR adiciona uma camada de texto invisível separada por cima. A especificação PDF prevê um modo de renderização de texto que não preenche nem contorna os glifos, então esse texto está presente, mas não é desenhado.
Camada de texto ou texto visível
| Texto visível | Camada de texto | |
|---|---|---|
| O que o leitor vê | Sim | Somente se for desenhada |
| Pesquisável | Somente por meio da camada de texto | Sim |
| Origem | Fontes ou pixels da imagem | Texto do documento ou OCR |
Uma página pode ficar perfeita e não ter camada de texto, ou ter uma camada de texto cheia de erros de OCR por trás de uma imagem limpa.
Onde a camada de texto importa
- Busca em arquivos de documentos digitalizados ou capturados.
- Cópia de citações, números e código de PDFs.
- Leitores de tela e ferramentas de indexação.
- Ferramentas de tradução e resumo que leem o texto do PDF.
Como uma camada de texto é criada
- A partir da origem: a exportação de um aplicativo grava objetos de texto reais.
- A partir do OCR: o software reconhece os caracteres na imagem e os grava como texto invisível, em posições e tamanhos correspondentes.
- A partir da edição: alguns editores de PDF adicionam ou corrigem texto manualmente.
A qualidade do OCR depende da resolução, do contraste, da fonte e do idioma. Uma captura 2x costuma dar resultados melhores que uma imagem 1x muito comprimida.
Erros comuns com camadas de texto
- Verificar um PDF visualmente e presumir que ele é pesquisável.
- Executar OCR duas vezes, o que pode empilhar camadas de texto duplicadas.
- Achatar ou imprimir um PDF como imagem, o que remove a camada de texto.
- Confiar no texto do OCR sem revisar números e nomes.
Transformando páginas em PDF?
O Temposhot adiciona uma camada de texto de OCR quando exporta uma sessão de captura como PDF. Para imagens existentes, use a Screenshot to Searchable PDF. Veja salvar capturas de tela como PDF no Mac.
Perguntas frequentes
Como verifico se há uma camada de texto?
Pesquise uma palavra visível ou tente selecionar um texto. Se nenhuma das duas funcionar, não há camada de texto.
Posso editar uma camada de texto?
Sim, em editores de PDF que suportem a correção do OCR ou a edição de texto.
Fontes
Recursos relacionados
- Captura de tela para PDF pesquisável: adiciona uma camada de texto no navegador.
- Extrair texto de imagem: lê o texto de uma única imagem.
- Formatos de exportação: exportação de PDF pesquisável.
Você tira as mesmas capturas de tela várias vezes?
O Temposhot captura uma tela, janela ou área em intervalos programados e exporta o conjunto como PDF, imagens, ZIP ou MP4. As ferramentas gratuitas do navegador capturam apenas uma imagem por vez.
Recursos relacionados
Termos relacionados
- PDF pesquisávelO que torna um PDF pesquisável, como saber se o seu é e erros comuns ao trabalhar com PDFs somente com imagem.
- OCRO que é OCR, como funciona, onde é usado e erros comuns a evitar ao tornar capturas de tela e digitalizações pesquisáveis.
- PDF somente com imagemO que é um PDF somente com imagem, por que ele limita a busca e a acessibilidade e como torná-lo pesquisável.
- PDF marcadoO que é um PDF marcado, por que ele importa para a acessibilidade e em que ele difere de um PDF pesquisável.