PNGs Comprimidos Num Único TXT
Os PNG do seu ZIP são lidos na ordem dos nomes de arquivo, e as palavras reconhecidas de cada imagem vão para um único .txt em UTF-8, com uma linha divisória onde uma imagem termina e a seguinte começa. Formatação, fontes e layout são descartados; ficam só as palavras.
É uma troca deliberada: um arquivo .txt não tem estilos a preservar, então escolhê-lo em vez de um documento Word só faz sentido quando o que você realmente precisa é o texto bruto de um lote de capturas de tela, e não um documento que ainda se pareça com os originais. Cada separador repete a mesma linha curta de texto entre as páginas, então, ao abrir o arquivo em qualquer editor e procurar exatamente essa linha, você vai direto ao início da imagem de origem escolhida, em vez de rolar o lote inteiro no olho.
OCR de documentos multipágina
Processe conjuntos inteiros de documentos com nossas ferramentas de OCR de várias páginas. Coloque as imagens das páginas num ZIP, nomeadas em ordem, e receba um resultado único — um PDF pesquisável, um documento Word ou texto com todas as páginas. Ideal para digitalizar livros, relatórios, correspondências e registros de arquivo.
Para documentos grandes, o processamento em lote economiza tempo significativo comparado à conversão página por página. Nossas ferramentas mantêm a ordem das páginas, lidam com qualidade de imagem variável entre páginas e produzem saída consolidada pronta para revisão e uso. O layout original de cada página é preservado na saída.
O Que um Ficheiro Simples Perde
Como o PNG não tem perdas, o motor de OCR recebe uma imagem limpa para ler, pelo que a precisão ao nível da palavra neste tipo de entrada tende a ser tão boa como em qualquer outra ferramenta baseada em PNG; a diferença está inteiramente do lado da saída, onde títulos, tabelas e quebras de linha dentro de um parágrafo não são preservados como estrutura.
Se os seus PNGs de origem incluírem uma tabela, espere que o resultado em .txt junte as células pela ordem de leitura em vez de as manter alinhadas em colunas; esse é o comportamento esperado para uma exportação em texto simples, não um erro de reconhecimento, e é a principal razão para rever manualmente uma página com muitas tabelas antes de confiar no ficheiro para análise automática. Uma linha de cabeçalho ou rodapé repetida em cada PNG de origem, como um número de página ou o nome de uma empresa, surge uma vez por página no ficheiro .txt em vez de ser eliminada, pelo que um conjunto de quarenta páginas pode acabar com essa mesma linha curta espalhada quarenta vezes pelo meio do texto.
Obter um Resultado de Texto Limpo
Nomeie os arquivos em ordem de página (01, 02, 03…) antes de compactar em ZIP: as páginas seguem os nomes, e não há etapa para reordenar depois. A saída usa quebras de linha no estilo Unix, que editores e linguagens de script modernos leem diretamente; uma ferramenta antiga do Windows que espere pares CR/LF pode precisar de uma conversão rápida antes.
Preste atenção à codificação se os seus PNGs contiverem caracteres ou símbolos não latinos; o UTF-8 cobre a grande maioria dos casos, mas uma ferramenta a jusante configurada para uma codificação diferente ainda pode interpretar mal caracteres que o OCR reconheceu corretamente.