PDF pesquisável

Um PDF vindo de scanner é uma fotografia da página. Bonita, fiel, e completamente muda para o computador. O PDF pesquisável resolve isso de um jeito engenhoso: mantém a foto original visível e coloca, exatamente por baixo dela, o texto que o OCR reconheceu. Você continua vendo a imagem escaneada, com a assinatura à caneta e o carimbo torto. Mas quando busca uma palavra, o leitor encontra — porque está lendo a camada de baixo.

Em inglês o formato se chama searchable PDF ou, de forma mais descritiva, PDF image over text: imagem sobre texto. A ordem das camadas é o que faz a mágica funcionar.

Como funciona

O motor de OCR não devolve só as palavras. Devolve também as coordenadas de cada uma na página. Sabendo que “CONTRATO” está no ponto x=210, y=740, o gerador escreve essa palavra ali mesmo, no tamanho certo, usando um modo de renderização invisível — o PDF chama isso de text rendering mode 3. O texto existe, ocupa a posição correta, mas não pinta pixel nenhum.

Por cima, a imagem original é desenhada normalmente. O resultado é um arquivo que parece idêntico ao escaneamento, mas responde ao Ctrl+F, permite seleção com o mouse e entrega o conteúdo para leitores de tela.

O alinhamento importa mais do que parece. Se a camada invisível estiver deslocada, você seleciona a palavra “aluguel” e o mouse marca uma região três centímetros à esquerda. É desconfortável, mas a busca continua funcionando.

Na prática

Uma imobiliária escaneia trezentos contratos antigos e joga tudo numa pasta. Sem PDF pesquisável, achar o contrato do apartamento 302 significa abrir arquivo por arquivo. Com a camada de texto, a busca do Windows ou do Mac varre o conteúdo dos PDFs e devolve o certo em um segundo.

Vale o mesmo para o histórico escolar que a faculdade digitalizou, para o processo do INSS baixado em imagem e para a pilha de notas fiscais que o contador precisa conferir. Se você abre o arquivo e o texto não seleciona, ele não é pesquisável — passe pela ferramenta de OCR e o problema acaba.

Como saber se um PDF já é pesquisável

O teste leva cinco segundos. Abra o arquivo, tente arrastar o mouse sobre uma linha de texto. Se aparecer a marcação azul acompanhando as palavras, ele é pesquisável. Se a seleção virar um retângulo cobrindo a página inteira, ou se nada acontecer, você está diante de pura imagem.

Outro teste: aperte Ctrl+F e busque uma palavra que você está vendo na tela. Se o leitor disser que não encontrou, a resposta está dada.

Uma ressalva honesta: pesquisável não quer dizer perfeito. A camada carrega os erros do OCR. Se o escaneamento estava borrado, buscar “matrícula” pode não achar nada porque o motor leu “rnatricula”. Escaneie a 300 PPP e a taxa de acerto sobe bastante.