PDF pesquisável: confira o texto além da aparência

Um PDF pesquisável contém texto que pode ser localizado e utilizado por recursos compatíveis de leitura. Para conferir a entrega, examine o arquivo exportado: pesquise uma palavra conhecida, selecione e copie um trecho e compare o resultado com a página. A aparência das letras, sozinha, não revela como o conteúdo foi armazenado.

O guia de como fazer um e-book conecta escrita, design e entrega. Aqui, aprofundamos a diferença entre texto e página em imagem, com duas amostras próprias para comparar. A revisão de busca e cópia é parte da conferência do arquivo, sem equivaler a uma avaliação completa de acessibilidade.

Diferencie a imagem da página e o texto disponível

Um PDF pode conter texto, imagens ou uma combinação. Uma página digitalizada pode mostrar letras legíveis para quem olha, enquanto o arquivo armazena apenas a imagem delas. O reconhecimento óptico de caracteres, chamado OCR, procura converter o conteúdo dessas imagens em texto utilizável.

A técnica PDF7 do W3C trata desse problema e orienta produzir texto real a partir do documento de origem quando possível. Quando a origem disponível é uma digitalização, apresenta o OCR e a conferência do texto convertido. A técnica também contempla estrutura e testes de leitura; não limita a qualidade do PDF à presença de palavras pesquisáveis.

Se o documento foi escrito em um editor, confira a exportação do próprio conteúdo, preservando texto e estrutura conforme os recursos disponíveis. Transformar todas as páginas em imagens pode retirar funções de consulta. Quando houver apenas uma cópia digitalizada autorizada, avalie o reconhecimento e a revisão pertinentes, preservando o original.

Compare duas amostras com aparência equivalente

Comparação didática com arquivos próprios: preparamos duas amostras de uma página com o mesmo conteúdo visível. A amostra A foi criada com texto. A amostra B foi criada a partir da imagem renderizada dessa página, sem OCR. Ambas mostram a palavra “pitanga” e a frase “A próxima etapa é revisar o material”. Não representam cliente, curso ou documento real.

Abrir a amostra A: PDF com texto pesquisável (uma página). Na verificação técnica do arquivo preparado, o texto extraído contém a palavra e a frase indicadas.

Abrir a amostra B: PDF com página somente em imagem (uma página). Na mesma verificação de extração, não há texto extraível; a página contém uma imagem. A limitação foi criada intencionalmente para ensinar a comparação.

O que ambas mostram

A palavra pitanga está visível nas duas amostras próprias, de uma página cada.

Amostra A: texto no arquivo

Na extração técnica conferida, pitanga está no texto extraído. A aparência da página não é a única evidência.

Amostra B: página em imagem

Na mesma extração, não há texto extraível. A página foi rasterizada intencionalmente, sem OCR.

Ao testar no seu leitor

Alguns aplicativos podem reconhecer imagens automaticamente. Registre esse recurso e o resultado observado, sem generalizar o comportamento.

Limite da comparação

Esquema baseado nos arquivos próprios, sem OCR ou avaliação completa de acessibilidade. Não é uma captura de leitor de PDF.

Descrição da figura

Duas colunas mostram a palavra pitanga com a mesma aparência esquemática. A amostra A é identificada como texto no arquivo; na extração técnica, a palavra está no texto extraído. A amostra B é identificada como página em imagem; na mesma extração, não há texto extraível. Os arquivos próprios têm uma página cada e não receberam OCR. O desenho é um esquema da comparação, não uma captura de pesquisa em um aplicativo. Alguns leitores podem reconhecer imagens automaticamente; essa possibilidade deve ser registrada no teste. A presença de texto na amostra A não comprova acessibilidade integral. A limitação da amostra B foi criada intencionalmente para o exercício, sem documento de cliente ou curso real.

Abra cada arquivo no leitor que pretende avaliar e procure “pitanga”. Tente selecionar e copiar a frase de conferência. Registre o recurso e o resultado observado. Alguns leitores podem oferecer reconhecimento automático de imagens; se isso ocorrer, anote esse comportamento, sem concluir que o arquivo original já continha a mesma camada textual.

As amostras ensinam uma diferença de armazenamento, não um resultado universal de busca em qualquer aplicativo. Não foi executado OCR para criá-las. A amostra A também não foi apresentada como PDF integralmente acessível ou modelo completo de estrutura; a amostra B é uma contraparte didática limitada, não um formato recomendado para distribuir um e-book.

Teste palavras conhecidas e compare o texto copiado

Comece com uma palavra que você consegue localizar visualmente. Observe se a busca a encontra no lugar esperado. Depois, selecione um parágrafo e cole em um campo de texto apropriado, sem levar conteúdo privado a um serviço não autorizado. Confira se palavras, acentos, números e ordem foram preservados.

Se o resultado falhar, registre a página, o termo, o leitor e o que aconteceu. Uma falha isolada de seleção não identifica automaticamente sua causa. Examine a natureza do arquivo e os recursos do aplicativo, respeitando as permissões do documento. Não apresente uma conclusão sobre todas as páginas após testar apenas uma.

Revise o reconhecimento em vez de aprovar apenas a conversão

A orientação da Adobe para corrigir texto reconhecido explica que palavras incertas podem ser sinalizadas para revisão. O recurso permite comparar a imagem e o texto sugerido e corrigir o reconhecimento. A interface e a disponibilidade precisam ser conferidas na versão utilizada; este artigo não apresenta um teste realizado no Acrobat.

Depois de executar OCR em uma cópia autorizada, examine o texto resultante contra as páginas. Confira especialmente trechos com baixa legibilidade, tabelas, números e nomes. Não trate a ausência de uma marcação de suspeita como prova de que não há erros. O procedimento precisa verificar completude e sequência, além das palavras que o aplicativo destacou.

Se um trecho permanecer incerto, consulte a origem disponível ou registre a pendência. Não substitua uma palavra ilegível por uma suposição apresentada como transcrição fiel. Quando a origem permitir uma nova exportação com texto, considere corrigir nela e repetir a conferência do arquivo final.

Texto pesquisável não encerra a revisão de acessibilidade

A estrutura do documento, a ordem de leitura, o idioma, os links e as alternativas para imagens continuam relevantes. A própria técnica PDF7 inclui conferência do texto convertido e de sua sequência. Um resultado positivo de busca não comprova que esses outros aspectos funcionam.

Para aprofundar sumário, marcadores, teclado e sequência, consulte o roteiro de revisão da navegação de um e-book em PDF. Planeje os testes pertinentes com tecnologias assistivas e registre o que não foi examinado. Sem essa avaliação, limite a aprovação aos aspectos efetivamente conferidos.

Confirme a nova versão pelo caminho de entrega

Depois da correção, identifique a versão e abra novamente o arquivo que será distribuído. Repita os testes afetados e confira se a página de entrega aponta para essa cópia. Um texto corrigido no projeto não demonstra que o leitor recebeu a nova exportação.

Mantenha o original e um registro da alteração. Diferencie arquivo examinado, OCR executado, correção aplicada e resultado verificado. Neste exercício, apenas as amostras A e B foram produzidas e conferidas quanto ao texto extraível e à apresentação; não houve recuperação de um documento real ou certificação de acessibilidade.

Documento, origem autorizada e versão:
Arquivo efetivamente distribuído:
Data, dispositivo, leitor e recursos automáticos observados:
Página e palavra conhecida para busca:
Ocorrência esperada e resultado observado:
Frase copiada e comparação com a página:
Tipo de conteúdo: texto, imagem ou combinação:
OCR executado: ferramenta, versão, configuração e cópia de trabalho:
Texto convertido, completude e ordem conferidos:
Erro, referência usada e correção aplicada:
Nova exportação e repetição do teste:
Estrutura, leitura assistiva e demais aspectos examinados:
Limites, pendências e responsável:

Perguntas frequentes sobre PDF pesquisável

Um PDF com letras nítidas sempre contém texto pesquisável?

Não. Uma imagem pode mostrar letras nítidas sem armazená-las como texto. Confira o arquivo, o comportamento de busca e cópia e os recursos do leitor.

Se o leitor encontra uma palavra na amostra B, o arquivo deixou de ser imagem?

Alguns leitores podem reconhecer imagens automaticamente. Registre o recurso observado. Isso não demonstra, por si só, que a cópia original já continha texto extraível.

Executar OCR garante que todas as palavras ficaram corretas?

Não. Compare o resultado com as páginas, confira completude e ordem e corrija os problemas identificados. Não preencha uma palavra incerta por suposição.

PDF pesquisável significa PDF completamente acessível?

Não. Busca e texto disponível são aspectos da revisão. Estrutura, sequência, links, idioma, alternativas e testes pertinentes continuam necessários.

Se sua equipe precisa organizar produção e conferência dos materiais, converse conosco sobre o projeto editorial. Podemos ajudar a definir entregas e critérios. Diagramação, reconhecimento de documentos, correções técnicas e avaliação de acessibilidade precisam de escopos próprios.