Aplicar OCR a um PDF digitalizado
OCR de PDF lê um PDF digitalizado ou feito de imagens e devolve um PDF pesquisável com camada de texto oculta ou o texto em um arquivo Markdown. O arquivo original não é alterado.
Arraste arquivos para cá, ou clique para escolher
Aceita PDF · até 500.0 MB por arquivo · até 20 arquivos por vez
Você também pode colar um arquivo com Ctrl/Cmd+V ou pelo menu da área de transferência.
OCR de PDF lê um PDF digitalizado ou feito só de imagens e o devolve de duas formas. O PDF pesquisável traz as mesmas páginas com uma camada de texto invisível, para você pesquisar, selecionar e copiar o texto. O Markdown entrega o texto em um arquivo .md para notas, repositórios e pipelines. O arquivo original nunca é alterado.
O PDF pesquisável é gerado com o Tesseract. Cada página é renderizada a 300 dpi, reconhecida no idioma escolhido e gravada de volta como imagem da página com o texto reconhecido escondido atrás dela. O número de páginas continua o mesmo. Como todas as páginas são renderizadas de novo, uma página que já tinha texto real vira uma imagem com camada de texto, e o tamanho do arquivo pode ficar bem diferente do original. Escolha um dos 12 idiomas no formulário; a API também aceita até quatro idiomas unidos por sinal de mais, como eng+fra. No máximo 50 páginas são processadas por requisição.
A saída em Markdown usa outro mecanismo, que combina o texto nativo do PDF com o reconhecimento óptico nas páginas de imagem. Forçar OCR (`ocrType=force-ocr`, padrão do portal) reconhece todas as páginas de novo, enquanto Normal aproveita o texto existente quando o arquivo o tem e reconhece só as páginas que são apenas imagem. Esse mecanismo não tem configuração de idioma, e a lista de idiomas não se aplica a ele.
Nos dois modos, a precisão depende da qualidade da digitalização, do contraste e da inclinação. Sempre que puder, corte e endireite as fotos de celular antes de enviar: uma foto em trapézio faz o reconhecimento gastar esforço com o fundo. O OCR reconhece caracteres; não traduz nem corrige o texto, e também não limpa nem endireita a digitalização.
Escrita à mão, fontes decorativas e faxes de baixa resolução são as entradas mais difíceis. Quando um caractere é ambíguo, como 1 e l ou 0 e O, o mecanismo escolhe a leitura mais provável e segue em frente, e nenhum dos modos devolve nota de confiança. Confira por amostragem nomes e números que precisam estar exatos. No Markdown, as tabelas viram barras verticais e uma célula mesclada pode perder a linha, e as páginas com várias colunas são lidas na ordem que o mecanismo deduz.
Não aplique OCR a documentos que você não tem permissão para digitalizar ou redistribuir. Os trabalhos rodam no servidor, então baixe o resultado logo. Não mantemos uma biblioteca de OCR com os seus arquivos. Arquivos protegidos por senha são desbloqueados para você nesta página depois que você digita a senha; quem usa a API deve executar antes a remoção de senha.
Recursos
- PDF pesquisável com camada de texto oculta, ou texto em Markdown
- PDF pesquisável: Tesseract a 300 dpi em 12 idiomas, até 50 páginas
- Markdown: texto nativo mais reconhecimento nas páginas de imagem; modo Forçar ou Normal
- O PDF original não é alterado
- API anônima em /api/v1/misc/ocr-pdf com outputFormat e languages
Quando usar esta ferramenta
- Tornar pesquisável um lote de contratos digitalizados em um arquivo de documentos
- Copiar um parágrafo de uma página fotografada ou digitalizada
- Entregar digitalizações a agentes ou pipelines que esperam Markdown
- Tornar pesquisáveis, em um app de notas, recibos fotografados
Como aplicar OCR a um PDF digitalizado?
- Envie um PDF digitalizado ou fotografado.
- Escolha PDF pesquisável ou Markdown. Para o PDF pesquisável, selecione o idioma do texto.
- Clique em Processar e baixe o resultado.
- Confira por amostragem nomes e números antes de confiar no resultado e tente pesquisar no PDF uma palavra que você sabe que está nele.
Limites e casos-limite
- A precisão varia com a qualidade da imagem; escrita à mão e fontes estilizadas são mal reconhecidas
- PDF pesquisável: no máximo 50 páginas, 300 dpi, uma imagem por página
- O Markdown não tem configuração de idioma, nota de confiança nem saída por página
- Não faz tradução, nem endireita ou limpa a digitalização
- Quantidades muito grandes de páginas demoram mais
Exemplos
- Um contrato digitalizado de 20 páginas em tons de cinza vira um PDF em que a busca pelo número de uma cláusula encontra a página
- Uma página digitalizada com uma linha de texto em inglês devolve um PDF do qual essa linha pode ser copiada
- Uma foto de celular torta pode precisar ser refeita antes de o OCR ser útil
Privacidade desta ferramenta
Os arquivos são enviados por HTTPS, processados na memória ou em um diretório temporário de vida curta em nossos servidores e apagados quando o resultado fica pronto. Não guardamos cópias para consulta posterior, treinamento nem perfis de publicidade. Veja a Política de Privacidade para detalhes de retenção e avisos sobre cookies do AdSense.
Perguntas frequentes
- Posso obter um PDF pesquisável?
- Sim. Escolha PDF pesquisável no formulário. Cada página é reconhecida e gravada de volta como imagem com uma camada de texto oculta, e assim você pode pesquisar e copiar o texto.
- Por que o PDF pesquisável parece uma digitalização e não o meu arquivo original?
- Cada página é renderizada como imagem antes do reconhecimento, inclusive as que já tinham texto real. A camada de texto fica atrás da imagem.
- Quais idiomas são aceitos?
- O formulário oferece inglês, alemão, francês, espanhol, português, italiano, russo, árabe, chinês simplificado, chinês tradicional, japonês e coreano. Pela API, até quatro códigos podem ser unidos por sinal de mais, como eng+fra.
- Quantas páginas posso processar?
- Até 50 páginas para um PDF pesquisável. Um arquivo maior é recusado com um erro; divida-o antes.
- A saída em Markdown usa a configuração de idioma?
- Não. O mecanismo de Markdown não tem parâmetro de idioma. A lista de idiomas serve apenas para PDFs pesquisáveis.
- O OCR muda a aparência das páginas?
- Não. Você recebe um arquivo novo; o original não é alterado. Um PDF pesquisável mostra cada página como imagem, como uma digitalização.
- O OCR entende escrita à mão?
- Mal. Os dois mecanismos miram caracteres impressos. Letra cursiva, fontes decorativas e faxes de baixa resolução costumam voltar como ruído.
- Preciso de Forçar OCR em um PDF nato digital?
- Em geral, não. No Markdown, Normal usa o texto existente e dispensa o mecanismo de reconhecimento. Use Forçar se essa camada estiver quebrada.
Última atualização:
Chame pelo código
Cada ferramenta deste site é um endpoint REST. Para uso anônimo não precisa de conta nem de chave de API. Serve para o navegador, para desenvolvedores e para agentes de IA.
curl -X POST "https://pdf123.xyz/api/v1/misc/ocr-pdf" \
-F "[email protected]" \
-F "outputFormat=markdown" \
-F "ocrType=force-ocr" \
-F "languages=eng" \
-o output.pdfTambém disponível como ferramenta MCP para clientes de agente que falam Model Context Protocol (JSON-RPC 2.0 via POST /mcp). Referência completa da API
Use a partir de um agente de IA
SkillCom esta skill, Claude Code, Codex, Cursor e outros agentes de IA podem usar "OCR de PDF" para você: /skills/pdf123-ocr.md
Os arquivos servem só para este processamento e são apagados automaticamente depois.