Como transformar imagens de texto em arquivos editáveis usando apenas a Internet?
Comparação de sites de OCR online revela como você pode fazer com que um texto escaneado possa voltar a ser texto de computador, sendo utilizável no Word e outros programas de edição de texto
Por Arnaldo V. Carvalho*
Os mais jovens no mundo digital talvez não saibam, mas há muitos anos (uns vinte) é possível escanear ou fotografar um texto, e depois usar um programa para converter essa “foto” em texto novamente. O nome disso é OCR, “optical character recognition”, em português: reconhecimento ótico de caracteres. Programas que reconhecem as letras nas fotos e a “traduzem” de volta para o formato digital se aperfeiçoaram muito com os anos, e chegam a reconhecer textos de imagens não muito nítidas, com distorções, etc.
Os softwares são antigos, mas a qualidade varia muito. E agora, eles concorrem com os sites que também oferecem OCR, inclusive de forma gratuita.
Tanto em programas como em sites, em geral, a tecnologia funciona quase sempre rusticamente. Ela é apenas mais razoável quando a fotografia do texto está completamente plano, sem riscos ou poeiras, e em inglês (sim, os OCR precisam levar em conta o idioma utilizado na imagem para transformá-lo para caractere digital).
Dentre os programas, uma das melhores opções desde sempre é o Omnipage. Ele reconhece inclusive páginas com imagens e colunas, e é capaz de montá-la novamente, com todos os caracteres nos seus devidos lugares, preservando o que é imagem, e mantendo a diagramação dos textos. Incrível, não? Mas além de não ser barato, para dominar bem pode levar um tempinho.
Assim, se você não tem tempo, e só quer recuperar o texto de umas poucas páginas digitalizadas, talvez deva saber que uma série de sites propõem uma solução simples via Internet. Eles se oferecem para fazer o serviço, quase sempre com alguma limitação, para apresentar um serviço pago mais completo.
Será que ele funcionam bem? Bem, eu testei diversos (16 no total) e cheguei a algumas conclusões. Confira aqui o meu teste comparativo. Vale dizer, a maioria dos sites é em inglês, embora ofereça dicionário em português.
Como preparei o teste
Fotografei um trecho do livro de Lynn Hunt, “Cultura e Classe na Revolução Francesa” (Cia das Letras). A página testada foi a seguinte:
Notem que há muitas distorções, sublinhados a lápis, etc. A qualidade da imagem, não tão boa, não torna fácil para uma máquina “enxergar” as letras.
Em todos os sites, ofereci a imagem desa página fotografada no celular (que salva no formato de arquivo .jpg). A qualidade da foto é razoável, mas com alguma distorção, pois como o livro é bem costurado, não abre completamente (e eu não ia estragar o livro).
Resultados
Totalmente impreciso, pegou apenas uma linha onde se distingue apenas “a ascenção de Napoleão”.
.nos, a ascensão de Napoleão – a sllges’são’dà’m
Revblução, a ascenSãqç quçda dçfacçõcsforgmu
Apenas pequeno trecho, e com imprecisão, que melhorou um pouco quando marquei a caixa “Page layout analysis”.
2 Formas simbólicas da prática.
política
A queda da Bastilha, a fuga para Varennes, o massacre no
Campo de Marte» ataque às Tulherias,aqueda da monarqtúa.do8
girondínos, de Robespierre, o expurgo dos realistas e dos “jacºbi-
nos, a ascensão de Napoleão – a sucess ão de momentos criticªda-
Revolução, a ascensão e queda de facções forantyggiwꪪ
evento requereu proclamações, pronunciamentos, relatónosenºl’
fun festivais e revisões de festivais. Muitas interpretaçeesªdâfgçsç
tes são encontradas nessas intermináveis pr _duçõgªfw
3. https://www.onlineocr.net/:
Só executa o serviço um por um. Pelo que um preview no próprio site aparenta, ele é preciso mas só faz um trecho da página. Porém, quando pedi para baixar o conteúdo em formato word (.docx) ele enviou um arquivo defeituoso, ilegível.
2. Formas simbólicas da prática política
A queda da Bastilha, a fuga para Varennes, o massacre no Campo de Marte, o ataque às Tulherias, a queda da monarquia,dos gironelinos, de Robespierre, o expurgo dos realistas e dos jacobi-rios; a ascensão de Napoleão —a sucessão de momentos críticos da. Revolução, a ascensão e queda de facções foram vertiginosas. Cada evento requereu proclamações, pronunciamentos, relatórios e por fim festivais e revisões de festivais. Muitas interpretações diferen-tes são encontradas nessas intermináveis produções de palavras. Um instrutivo exemplo local pode ser visto em unia típica procla-mação de 1797. Nesse documento, o agente do governo (o comis-sário do Diretório Executivo enviado à administração &parta-mental) no departamento de lsère publicou seu comenLiric”’ficit sobre as reações locais ao recente expurgo na legislatura nacional. Mu hos deputados haviam sido » eleiÇãeS de dezenas de presos como supostos realtSb», e outros foram anuladas.
Vale comentar que outros testadores consideraram esse o melhor dos sites gratuitos.
4. https://finereaderonline.com/ ABBYY Finereader:
Essa é a versão online de um software clássico (embora badalado nunca foi tão preciso para o português como o Omnipage). Ele te dá uma mostra de dez páginas, desde que você se registre. E olhe lá. Mas coloca tudo num documento só – e você pode escolher entre vários formatos.
A precisão é média-boa.
ormas simbólicas da prática política
A queda da Bastilha, a fuga para Varennes, o massacre no Campo de N iarte, o ataque às Tulherias, a queda da monarquia, dos girondinos, de Robespierre, o expurgo dos realistas e dos jacobi- n0Sj a ascens^° ^apoleão—a sucessão de momentos críticos da
Re\ olueâo, a ascensão e queda de facções foram vertiginosas. Cada c ento requc reu proclamações, pronunciamentos, relatórios e por v ti\ ais e re\ isõcs de festivais. Muitas interpretações diferen- ” encontradas nessas intermináveis produções de palavras, nu i l/U!Í!?Xemp,°Ioca* P0<^e ser visto em uma típica prodá- sario d n* 97 NCSSC <Jocumento> o agente do governo (o comis* mental”‘n 7’°™ Exccutivo enviado à administração dcparta-
*°^re as reacZZlT * PUb‘ÍC°U SeU comentário
Muitos deputados r*Sa° rCCCnle cxPur6° na legislatura nacii»»’*1 eleições de <\o, ‘T *am í*^° Presos como supostos realistas» c*v>
vohfcoj,rONMl|M “ ll“ t do Constituído M’ *”N> 111
)RKh Kt Al 1 s^s c de sua fuga do ira dos *juf &
5. i2OCR http://www.i2ocr.com/free-online-portuguese-ocr:
Prático e fraco.
2 Formas simbólicas da prática.
política
A queda da Bastilha, a fuga para Varennes, o massacre no
Campo de Marte, o ataque àsTulherias, a queda da monarquia,dos
girondínos, de Robcspierre, o expurgo dos realistas_ e dos ‘jaçghí-
nos,aascensão de Napoleão-a sucessão de momentos críti , ›
Revolução. a ascensão e queda de facções forgplvertigg” osas
ntação de 1797. Nesse documento, o agente do 56mm# 5 _
sário d D’ › – . _ _ _ V Í’
0 ¡retono Exccutwo envmdo à admuustray .
mental .
› “° dePdftamcnto de Isêre publicou ;au . u
wbm as . , . _
?viuitns
cl ‘ –
6. OCR CONVERT http://www.ocrconvert.com/:
Site de visual simplório. Não exibe a conversão no próprio site, você precisa baixar o .txt que ele criará. O resultado é péssimo.
2 Formas simbólicas da prática
política
A queda da Bastilha, a fuga para Varennes, o massacre no
Campo de Mal-tem ataqueàsTulherias,a queda da monarquiados
girondínos, de Robespierre, o expurgo dos realistas_ e dos ‘hmm’
nos,aascensão de Napoleão-a sucessão de momentos ‘criti a¡
Revolução, a ascensão e queda de facções forgpl l asas’
1::an no departamento de Isêre publicou seu. ‘ “
.tv/::reações locais ao recente eXplu’gO na ‘^
de¡ _Õ cpulfldos haviam sido presos comosup ° * :
5 cv. de dezenas dc outros foram multidis-
Im m notícia do ¡n’u
mhrc o¡ mmmwon
“fo da Mamma, _ ,
“RWMAscdel ‘
70
7. CONVERTIO https://convertio.co/pt/ocr/:
O único que te oferece uma interface inteiramente em português. Aparentemente é um conversor superior. Permite múltiplas páginas ao mesmo tempo (mas gratuito ele somente oferece 10 para teste), e a precisão é mediana. Ele permite que você salve uma página de cada vez em formato Word, ou todas em um arquivo compactado .zip – que não deu certo para mim (abre-se uma página mas ele simplesmente não salva).
formas simbólicas da prática
política
A queda da Bastilha, a fuga para Varennes, o massacre no Campo de N iarte, o ataque às Tulherias, a queda da monarquia, dos girondinos, de Robespierre, o expurgo dos realistas e dos jacobino^ a ascensão de Napoleão—a sucessão de momentos críticos da Re\ olueâo, a ascensão e queda de facções foram vertiginosas. Cada c ento requc reu proclamações, pronunciamentos, relatórios e por a*s e reN Estivais. Muitas interpretações diferen- t t •” cncontrac^ai‘ nessas intermináveis produções de palavras, m > i jrUí!!0 exemP*° ,ocal pode ser visto em uma típica prodá- sario d rv 97 NCSSC <Jocumento> o agente do governo (o comis- menta!”n 7’°™ Exccutivo enviado à administração dcparta- ■^bre as reac^s PUblÍC0U Seu comentário oficia*
Muitos deputados r*S*a°rCCCnle cxPur6° na legislatura nado»*»1 dciçõe* de tio, ‘T *dm Presos como supostos realistas, c a>
‘ohrcoscoNspja ^ Reí1lií,íica < da Constituído ào 111
RES REalistas c de sua fuga do ira dos ijur «« ^
Usando Drive + Google Docs para fazer o OCR
Da série “Google pensa em tudo”… Pois é, também dá para fazer o trabalho de converter direto em uma imagem de texto que esteja no seu drive. Ao abri-la, ele te dá uma opção no topo de “abrir com”. Então ele pergunta se você quer conectar mais aplicativos. Clique aí e peça para ele conectar com o docs. Saia da imagem, e volte ao drive. Agora é clicar com o botão direito em cima do arquivo, e então pedir para ele abrir no docs.
Ele produzirá um documento que inclui a imagem como imagem, e abaixo a versão dela em texto. A qualidade é média.
ForImaS simbólicas da prática 2. FOT
política
A queda da Bastilha, a fuga para Varennes, o Ü Campo de Marte, o ataque às Tulherias, a queda da 驚bigirondinos, de Robespierre, o expurgo dos realistas e cos da nos, a ascensão de Napoleão-asucessão de momentos CT S Cada Revolução, a ascensão e queda de facções foram Vertığımos NOT evento requereu proclamações, pronunciamentos, 驚 驚 fim festivais e revisões de festivais. Muitas interpretações difere tes são encontradas nessas intermináveis produçôes de Um instrutivo exemplolocal pode servisto em uma tipica pro R mação de 1797. Nesse documento, o agente do governo (o com sário do Diretório Executivo enviado à administração deparo
oficial mental) no departamento de Isère publicou seu comentärid sobre as edições locais
Muitos deputados hav eleições de dezenas de
acional o recente expurgo na legislatura na As realistas, msido presos como supostos real outros foram anuladas.
wotet noticiado “fo da República e da Constituição de
sobre “RADOREstra e desua falarados
Outros sites de OCR – REPROVADOS
Bom, depois desses testes todos em sites de baixíssima precisão, a paciência esgotou, e para não tirar a do leitor, nem vou mais colocar aqui o resultado do teste ou comentários. Os sites que ainda testei – e reprovei – são:
http://www.cvisiontech.com/online-tool/ocr-convert-compress-pdf.html
https://www.ocrgeek.com/convert-ocr.php
Passei ainda pelos sites:
http://www.convertpdftoword.net/, http://www.to-text.net/, http://www.convertimagetotext.net/, http://www.verypdf.com/online/ocr-converter.php, https://www.labnol.org/software/convert-images-to-text-with-ocr/17418/
mas esses aí simplesmente não convertem imagem .jpg (apenas arquivos PDF) ou houve algum outro problema que impediu testar.
O MELHOR DE TODOS
Agora, o melhor de todos, que foi na verdade o terceiro ou quarto que testei mas deixei para o final:
OCR SPACE https://ocr.space/:
Sensacional! Embora a interface em inglês, ele é fácil de usar, e converteu uma imagem pobre como essa que ofereci aos conversores de maneira bastante positiva.
****** Result for Image/Page 1 ******
2. Formas simbólicas da prática
política
A queda da Bastilha, a fuga para Varennes, o massacre no
Campo de Marte, o ataque às Tulherias, a queda da monarquia, dos
girondinos, de Robespierre, 0 expurgo dos realistase dos jacobi-
nos, a ascensão de Napoleão— a sucessão de momentos críticos
Revolução, a ascensão e queda de facções foram vertiginosas. Cada
evento requereu proclamações, pron unciamen tos, relatórios epor
fim festivais e revisões de festivais. Muitas interpretações diferen-
tes são encontradas nessas intermináveis produções de palavras
Um instrutivo exemplo local pode ser visto em uma típica procla-
mação de 1797. Nesse agente do governo (o comis-
Sário do Diretório Executivo enviado administração departa-
mental) no departamento de IQre publicou seu comentário Oficial
sobre as reaçóes locais ao recente expurgo na legislatura nacional.
Muitos deputadoshaviam sido presos como supostos realistas,
eleiçoes de dezenas de outros foram anuladas.
ter noticia do triunfo cla República e da Constituiçào do III
sobre de sua fuga da ira dos
76
Esse site me deixou tão satisfeito com a conversão que fiz outros testes e ele respondeu sempre de forma ótima. Em breve vou publicar aqui uma análise com tutorial exclusivo em português sobre ele e outros recursos oferecidos gratuitamente pelo mesmo desenvolvedor.
Conclusão
A grande maioria dos sites é péssima. Apenas concorrem mesmo o OCR Space, o conversor do Google e o OnlineOCR. Talvez dê para dar algum crédito ao ABBYY e ao Convertio. Mas eu não perderia meu tempo. OCR Space e no tira-teima OnlineOCR ou Google caso a imagem já esteja lá no Drive.
Espero que o comparativo seja útil para quem está procurando um recurso como esse!
***
Arnaldo V. Carvalho, terapeuta e educador adora compartilhar o que aprende e pode ser útil a outras pessoas.
Fontes de pesquisa
Também li alguns artigos de testadores como
http://www.online-tech-tips.com/cool-websites/convert-image-to-text-using-free-online-ocr-software/
http://www.makeuseof.com/tag/4-free-online-ocr-tools-put-ultimate-test/
https://research.googleblog.com/2015/05/paper-to-digital-in-200-languages.html
https://www.oxhow.com/free-online-ocr-services-to-convert-images-to-text/
http://listoffreeware.com/list-of-best-free-online-ocr-services/
https://www.labnol.org/software/convert-images-to-text-with-ocr/17418/
Veja também:
Arnaldo V. Carvalho 