O que é um PDF pesquisável
Um scanner, uma copiadora ou um app de digitalização no celular salvam cada página como uma imagem. Você consegue ler, mas o Ctrl+F não encontra nada e não dá para selecionar nem uma palavra. O OCR (reconhecimento óptico de caracteres) encontra as letras nessas imagens e as transforma em texto de verdade.
Esta ferramenta coloca o texto reconhecido no PDF como uma camada invisível, exatamente sobre as palavras impressas. As páginas continuam com a mesma aparência, porque a imagem escaneada não é alterada nem comprimida de novo. Mas agora você pode pesquisar no documento, selecionar e copiar frases e deixar que sistemas de documentos e buscadores o indexem.
Documentos e idiomas mistos
Escolha o idioma em que o documento foi escrito. Se ele mistura dois, por exemplo um contrato em português com termos em inglês, adicione o segundo idioma e os dois são reconhecidos juntos. Letras como ç, ã, õ, é, ñ e ß são mantidas no PDF pesquisável e no arquivo de texto.
Páginas que já têm texto de verdade, como as criadas no computador ou um PDF que já passou por OCR, são detectadas sozinhas e ficam sem alteração. O texto delas também vai para o arquivo TXT.
Como ter bons resultados
Digitalizações nítidas de texto impresso em 200 a 300 DPI dão a maior precisão. Antes da leitura, as páginas são desenhadas em cerca de 300 DPI, então letras pequenas são ampliadas. Letra de mão, cópias muito apagadas e texto sobre fundos carregados são difíceis para qualquer OCR, então confira nomes e números antes de confiar neles.