Não consigo copiar texto do PDF: o que fazer
Se o PDF não deixa copiar o texto, quase sempre é uma imagem sem camada de texto. Veja como testar, qual OCR usar e o que fazer com cópias bloqueadas.
Se você não consegue selecionar nem copiar o texto de um PDF, na maioria dos casos o documento é uma imagem: foi escaneado, fotografado ou exportado como figura. As letras existem só como pixels, sem uma camada de texto por baixo. A saída é reconhecer o texto com OCR, o reconhecimento óptico de caracteres, num programa que faça essa etapa. O AjustaPDF não faz OCR.
Teste em um minuto
Antes de escolher uma solução, descubra qual dos casos é o seu:
- Tente selecionar uma palavra com o cursor. Se a seleção não aparece, o texto não está no arquivo como texto.
- Use a busca do leitor, com Ctrl+F no Windows ou Cmd+F no Mac, e procure uma palavra que aparece na página. Se nada é encontrado, é imagem pura.
- Se a busca acha a palavra, mas o texto copiado sai com símbolos estranhos, o problema é o mapeamento de caracteres, que está em outro caso da tabela abaixo.
Os quatro casos mais comuns
| Sintoma | Causa provável | Solução |
|---|---|---|
| Nada seleciona e a busca não acha nada | A página é imagem: escaneado, foto ou print | OCR num programa que o faça |
| Seleciona, mas o texto copiado vem como símbolos estranhos | Fonte sem tabela de caracteres, comum em PDFs gerados por alguns programas | Imprimir para PDF no leitor ou refazer a partir do original |
| Seleciona, mas o leitor bloqueia a opção Copiar | O autor ativou a restrição de cópia com senha de permissão | Só com a senha de permissão |
| O texto virou desenho e não seleciona | Texto convertido em contornos ao salvar | Voltar ao arquivo de origem; OCR se não houver |
Por que um escaneado não tem texto
O scanner não lê letras. Ele registra a página como uma imagem, e a imagem parece texto só para quem olha. Um PDF escaneado é, por isso, um conjunto de fotografias página por página. Quanto mais nítida a imagem, melhor o reconhecimento. O nível leve do AjustaPDF mantém as imagens em 300 DPI, uma resolução que costuma dar letras legíveis para o OCR. Abaixo disso, o reconhecimento tende a errar mais.
Quando o OCR termina, o programa cria uma camada de texto invisível por cima da imagem. O documento continua com a mesma aparência, mas agora a busca encontra as palavras e a seleção funciona. Esse arquivo costuma ser chamado de PDF pesquisável.
Se o arquivo também está pesado, o problema é outro. Leia por que um PDF escaneado fica tão pesado e qual DPI usar para escanear um documento antes de escanear de novo.
Como fazer OCR sem software caro
Há três caminhos práticos, e a escolha depende do documento:
| Opção | Custo | Quando faz sentido | Cuidado |
|---|---|---|---|
| Google Docs, abrindo o PDF | Grátis | Documento de texto simples, sem dado sensível | O arquivo sobe para o Google |
| OCRmyPDF, com o Tesseract | Grátis, pelo terminal | Lotes de arquivos, processamento local | Exige instalar e usar a linha de comando |
| Adobe Acrobat, ferramenta de reconhecer texto | Versão paga | Uso diário, com ajuste de idioma e de qualidade | Assinatura mensal ou anual |
Qualquer um desses caminhos serve, mas o Google Docs manda o arquivo para outro serviço. Para contrato, prontuário, holerite ou documento com CPF de terceiros, o ideal é usar OCR local. A LGPD (Lei 13.709/2018) trata esses dados como pessoais, e enviar um documento para um serviço externo é uma decisão que precisa ser sua.
- Escaneie ou fotografe a página com a melhor resolução disponível.
- Rode o OCR no programa escolhido, com o idioma português marcado.
- Abra o resultado e faça a busca de uma palavra que sabe que está lá.
- Confira manualmente os números e nomes antes de usar o texto copiado em qualquer documento.
Quando o OCR erra mais
O reconhecimento vai bem com página de texto corrido, em uma coluna e com fundo branco. Três situações pedem atenção extra, e o resultado pode sair embaralhado:
- Tabelas e duas colunas. O OCR lê linha por linha, então células e colunas podem se misturar. Confira a ordem do texto copiado.
- Carimbos, assinaturas e fundo colorido. Marcas sobre o texto atrapalham o reconhecimento. Um escaneamento limpo, sem sombra de dedo, faz diferença.
- Páginas tortas. Texto inclinado perde letras. Escaneie reto ou corrija a inclinação no programa de OCR antes do reconhecimento.
Nesses casos, copie trecho por trecho e compare com a página. Para documentos com muitos números, como balancetes e extratos, a conferência manual é a etapa que não pode ser pulada.
Quando o texto copiado sai errado
Esse é um caso diferente: a busca acha a palavra e a seleção aparece, mas o que vai para a área de transferência é lixo. A causa é um arquivo em que a fonte não diz quais letras correspondem a cada glifo. O leitor desenha o texto certo, e o copiar recebe símbolos sem sentido.
A correção mais simples é voltar ao documento original, o arquivo do editor ou do sistema que gerou o PDF, e exportar de novo. Se o original não existe, a saída é imprimir para PDF no próprio leitor: às vezes isso gera um arquivo novo com o mapeamento correto. Confira com a busca e com a cópia antes de descartar o antigo.
Quando a cópia está bloqueada
Um PDF pode ter uma restrição de cópia gravada no arquivo. Ela é controlada por uma senha de permissão, diferente da senha que abre o documento. O leitor respeita a restrição e desativa Copiar, mesmo que o texto esteja lá.
Essa restrição não é contornada pelo AjustaPDF. A ferramenta de remover senha exige a senha atual e não quebra nem adivinha senhas. Se você tem a senha de permissão, a remoção funciona; se não tem, peça ao autor do documento. Para entender a diferença entre as duas senhas, veja senha de abertura e senha de permissão.
O que o AjustaPDF faz e não faz aqui
Nenhuma das dez operações do AjustaPDF cria uma camada de texto. Juntar, comprimir, girar e dividir preservam o que já existe; se a página é imagem, ela continua imagem. A ferramenta de PDF para imagem rasteriza as páginas, o que é o oposto do que você precisa. E a de imagem para PDF transforma imagens em páginas, sem reconhecer nenhuma letra.
Então o fluxo correto é outro: reconhecer o texto com OCR num programa próprio, conferir o resultado e, só depois, usar as ferramentas do AjustaPDF para juntar, comprimir ou proteger o arquivo final.
Perguntas frequentes
Por que o PDF não deixa selecionar o texto?
Quase sempre porque cada página é uma imagem. Escaneados, fotos e prints geram pixels, sem uma camada de texto por baixo. Teste com a busca do leitor: se a palavra não é encontrada, não existe texto no arquivo, e a saída é reconhecer o texto com OCR.
Existe OCR grátis para PDF?
Existe. Abrir o PDF no Google Docs faz o reconhecimento sem custo, e o OCRmyPDF, de linha de comando, faz o mesmo localmente. O resultado do Google Docs depende de upload, então não use para documentos com CPF ou dados de terceiros sem pensar nisso antes.
O OCR é exato?
Não é. Letras parecidas, como o zero e a letra O, acentos e letras pequenas costumam sair erradas. Confira com atenção números, valores, datas e nomes próprios antes de usar o texto copiado em qualquer documento oficial.
Consigo copiar texto de um PDF que tem senha de permissão?
Só se você tiver a senha de permissão, que é a que libera a cópia, a impressão e a edição. O AjustaPDF não quebra nem adivinha senhas: a remoção exige a senha que você informa. Sem ela, a cópia continua bloqueada.
O AjustaPDF faz OCR?
Não. O AjustaPDF comprime, junta, protege, gira, divide e converte páginas, mas não reconhece texto em imagens. Converter o PDF para imagem não ajuda, porque o texto já era imagem. Para OCR, use um programa que tenha essa etapa.