Um PDF digitalizado pode parecer perfeitamente nítido na tela e mesmo assim não conter nenhum texto. Cada página é apenas uma imagem. É por isso que selecionar uma frase, procurar uma palavra ou mudar o tamanho da fonte não faz nada. Para transformar essas imagens de página em um EPUB fluido (reflowable), as palavras primeiro precisam ser reconhecidas. Esse processo se chama reconhecimento óptico de caracteres, ou OCR.
O OCR pode tornar uma digitalização pesquisável e legível em um e-reader, mas não é mágica. A qualidade da digitalização original, o tipo de material e o layout afetam o resultado. Veja o que acontece durante a conversão, o que observar e quando um e-book página por página é a melhor opção.
Primeiro, descubra se o PDF é mesmo digitalizado
Tente selecionar uma frase e copiá-la em um editor de texto. Se aparecerem palavras normais, o PDF já tem uma camada de texto e pode não precisar de OCR. Se você só consegue selecionar a página inteira como um único objeto, ou não consegue selecionar nada, a página provavelmente é uma imagem. Alguns PDFs são mistos: algumas páginas têm texto selecionável e outras são digitalizações.
Essa distinção importa porque o OCR acrescenta uma etapa de reconhecimento, enquanto uma camada de texto existente pode ser extraída diretamente. Um bom processo de conversão verifica as páginas uma a uma, para usar o texto que já existe e aplicar o reconhecimento só onde for necessário.
O que o OCR realmente faz
O OCR analisa as formas na imagem de uma página e estima quais letras e palavras elas representam. O texto reconhecido pode então ser organizado em parágrafos e capítulos e empacotado como um EPUB. Como o EPUB contém texto, um aplicativo de leitura pode redimensioná-lo, trocar a fonte e redistribuir as linhas para caber em uma tela pequena.
A imagem original da página e o texto reconhecido são coisas diferentes. O OCR reconstrói as palavras; ele não reproduz automaticamente todos os detalhes da página impressa. Colunas complexas, notas de rodapé, boxes laterais, tabelas e ilustrações podem exigir tratamento especial ou ser lidos de forma mais natural no layout original.
O que afeta a qualidade do reconhecimento
- Resolução: uma digitalização nítida dá ao reconhecedor formas de letras mais claras do que uma imagem borrada ou muito comprimida.
- Contraste e iluminação: tinta fraca, sombras perto da lombada, manchas e fundos irregulares podem deixar os caracteres ambíguos.
- Alinhamento da página: páginas giradas, curvas ou tortas dificultam a separação de linhas e colunas.
- Tipografia: fontes incomuns, escrita à mão, texto muito compacto e letras muito pequenas são mais difíceis de reconhecer do que prosa impressa e limpa.
- Estrutura da página: layouts de várias colunas, equações, gráficos e notas de rodapé podem ser lidos na ordem errada mesmo quando as palavras individuais são reconhecidas corretamente.
Um romance nítido, em coluna única, é um trabalho de OCR fácil. Um livro didático de baixa resolução cheio de equações é muito mais difícil. O resultado deve ser avaliado em comparação com as páginas de origem, principalmente em torno de diagramas, fórmulas e quebras de página.
EPUB fluido ou layout fixo?
Escolha um EPUB fluido (reflowable) quando o objetivo principal for uma leitura confortável: texto maior, fontes ajustáveis e páginas que se adaptam ao e-reader. O OCR fornece o texto necessário para tornar isso possível em uma digitalização. Funciona melhor para romances, relatórios e outros documentos principalmente lineares.
Escolha um EPUB de layout fixo quando reproduzir a página original importar mais do que redimensionar o texto. Cada página permanece visualmente intacta, o que serve para livros infantis ilustrados, arte, formulários ou materiais em que diagramas e relações espaciais carregam significado. A contrapartida é que a página não reflui como o texto comum de um e-book.
Para um livro didático ou um manual, a resposta certa pode depender de como ele será usado: o refluxo ajuda em trechos longos de prosa, enquanto as páginas fixas podem preservar um diagrama complicado. Se a origem mistura os dois, confira as páginas que mais importam antes de decidir por um formato.
Uma verificação rápida de qualidade depois da conversão
- Abra o EPUB no aparelho ou aplicativo em que você pretende ler.
- Aumente o tamanho da fonte e confirme que o texto reflui em vez de continuar como imagem da página.
- Procure uma palavra que você vê no PDF original e verifique se ela aparece no e-book.
- Compare algumas páginas representativas, incluindo um título, uma página com diagrama e qualquer página densa ou de várias colunas.
- Use o sumário para pular entre capítulos, se o documento tiver seções claras.
Se uma página está ilegível na digitalização, o OCR não consegue recuperar informações que não estão visíveis ali. Quando uma fórmula ou ilustração específica precisa continuar exata, guarde o PDF como referência ou escolha um layout que preserve a página.
Transforme a digitalização em um livro que você possa ler
Um PDF digitalizado precisa de mais do que um invólucro EPUB: as palavras precisam ser reconhecidas, e o layout de saída deve combinar com o material. Para textos principalmente em prosa, o OCR pode transformar imagens de página em texto pesquisável que se ajusta a um e-reader. Para documentos construídos em torno da própria página, preservar o layout fixo pode ser a escolha mais fiel.
Se você está pronto para testar, comece pelo PDF e revise as opções de conversão do seu documento antes de baixar o EPUB.
Tem um PDF digitalizado? Veja como ele é convertido em EPUB.
Converter um PDF em EPUB →Para um passo a passo de como ler o livro pronto em um Kindle, veja como converter um PDF em EPUB para Kindle.