PDF para Word grátis

Exemplo prático

Clique em “Testar um exemplo”. O chip do arquivo mostra document-v1.pdf, um PDF de uma página com um título e seis linhas curtas como “Project: Atlas Rollout” e “Budget: $10,000”. Clique em “Converter para Word”. A legenda diz “Reading the text layer...”, o chip passa a mostrar “1 page”, uma linha verde diz “✓ Your Word document is ready — document-v1.docx”, e “Visualização do texto extraído” lista o texto, começando por “--- Page 1 ---”. “Baixar” salva o .docx, enquanto “Copiar” e “Baixar .txt” ficam acima da prévia. Marque “Add a ‘Page N’ heading before each page” e o arquivo Word ganha um título “Page 1”. Uma digitalização se comporta de modo diferente. Para um PDF digitalizado de 12 páginas, um painel âmbar diz “Scanned pages found — run OCR?” e “None of the 12 pages have a text layer, so there is nothing to extract without reading the images.” Ele acrescenta “Reading them on your device takes about 6 minutes. Nothing is uploaded.” e oferece “Run OCR on 12 pages”.

Quais configurações usar e os limites

• Verifique primeiro se o PDF tem texto de verdade. A ferramenta lê a camada de texto que os PDFs exportados de um processador de texto ou salvos de um navegador costumam ter. Uma digitalização é apenas uma imagem da página e não tem nenhuma. As páginas sem nenhum texto são contadas uma a uma, então um arquivo misto é tratado com bom senso: você vê “3 of 12 pages have no text layer. The rest were converted normally.” e o arquivo Word das outras nove páginas já está pronto para baixar. Você escolhe se quer ler as três digitalizações. Nada é baixado nem iniciado até você clicar no botão de OCR.
• Escolha o alfabeto antes de executar o OCR. Abra a linha “Alfabeto das páginas digitalizadas”. Ela parte do idioma do site que você está vendo, e do latino se esse idioma não tiver correspondência. Uma digitalização não traz texto de onde detectar um alfabeto, e a dica avisa que uma página lida com o alfabeto errado “comes back as plausible-looking nonsense rather than an error”. Há dez opções, do latino e do cirílico ao tailandês, tâmil e telugo. Cada uma mostra seu tamanho, de 7.4 MB para o grego a 15.9 MB para o chinês e o japonês, e o latino tem 7.7 MB. O hebraico não está disponível. O total do painel também inclui uma parte compartilhada usada por todos os alfabetos.
• Conte cerca de 30 segundos por página e use Cancelar se precisar. A estimativa é de 30 segundos por página. Abaixo de dois minutos, ela é mostrada em segundos, em passos de 5. Execuções mais longas usam minutos inteiros, então 40 páginas mostram “about 20 minutes”. As páginas são lidas uma de cada vez no dispositivo, e a legenda conta “Reading page 3 of 12...”. Clique em “Cancelar” e o botão diz brevemente “Stopping...”. As páginas já lidas são mantidas e vão para o arquivo Word, e as páginas não alcançadas são oferecidas de novo. No celular, o painel do modelo avisa “On a phone this will be slow - expect several minutes, and keep this tab open.” Se o dispositivo não consegue executar o modelo, o botão de OCR fica desativado.
• Trate o texto do OCR como um primeiro rascunho. A saída do OCR não tem informação de posição, então cada linha da digitalização vira seu próprio parágrafo, sem tabelas nem títulos. Cada página de OCR começa com uma nota em itálico, “[Read from a scanned page by on-device OCR — check it against the original.]”, e o cabeçalho do documento repete um aviso. O nome do arquivo ganha “-ocr”, então uma digitalização chamada letter.pdf é baixada como letter-ocr.docx. Uma linha sob o resultado diz “OCR read 3 scanned pages. Machine-read text can contain mistakes — check them against the original.” Compare nomes, números e datas com o papel antes de enviar o arquivo adiante.
• Saiba o que é mantido de um PDF com texto. Linhas quebradas são unidas em parágrafos. Uma linha curta definida com tamanho pelo menos 1.2 vez maior que o texto do corpo vira um título do Word, e uma com pelo menos 1.6 vez maior vira Título 1. Linhas com mais de 150 caracteres continuam como texto do corpo. Colunas viram uma tabela do Word apenas quando três ou mais linhas seguidas se alinham com o mesmo número de colunas. Imagens, fontes e layout da página não são mantidos. A prévia mostra os primeiros 8,000 caracteres, e o texto completo está no download. “Add a ‘Page N’ heading before each page” vem desativado por padrão, porque esses títulos não estão no próprio PDF.
• Converta vários PDFs de uma só vez. Solte mais de um PDF, ou clique em “Adicionar mais arquivos” com um carregado. O botão passa a dizer “Convert 3 PDFs to Word”. Cada arquivo vira seu próprio .docx, e “Download all (3)” os salva em um ZIP chamado pdf-to-word. O modo em lote lê apenas a camada de texto. Um PDF totalmente digitalizado falha em sua linha com “Scanned PDF with no text layer. Open it on its own to read it with OCR.” e um parcialmente digitalizado mostra uma nota como “2 scanned pages skipped”. Arquivos que não são PDFs ficam de fora, com a mensagem “Some files were skipped because they are not PDFs.”

Problemas comuns e como resolvê-los

Aparece “Something went wrong. Please try again.”

O leitor falhou com um erro para o qual a ferramenta não tem mensagem específica. Apenas um erro de senha e um erro de PDF inválido têm frase própria (“This file could not be read as a PDF — it may be corrupt.”), e um documento com zero páginas recebe a mesma mensagem de arquivo corrompido. Qualquer outra coisa, incluindo a “UnknownErrorException” do leitor, cai aqui. Abra o arquivo em outro visualizador de PDF. Se abrir, imprima-o para um novo PDF a partir de lá e depois converta essa cópia.

Aparece “No extractable text found in this PDF.”

Todas as páginas são imagens e você clicou em “Não, obrigado” na oferta de OCR, então não há nada para converter. Isso não é uma falha do arquivo. A camada de texto está vazia. Clique em “Converter para Word” novamente para trazer a oferta de volta, escolha o alfabeto das páginas e clique em “Run OCR on N pages”. Se você não quer OCR, as palavras precisam vir de outra fonte, porque um PDF sem camada de texto não contém palavras para copiar.

Aparece “OCR ran, but found no readable text on the scanned pages.”

Cada página foi desenhada e lida, e o reconhecedor não devolveu texto. O caso simples é uma página que realmente está em branco, então confira as páginas em um visualizador. As páginas que foram lidas não são oferecidas de novo, mesmo quando voltaram vazias. Para tentar outro alfabeto, clique em “Converter para Word” (ou “Converter novamente”), o que reinicia a verificação e mostra a oferta de novo. A dica sob o seletor diz que um alfabeto errado dá resultado sem sentido em vez de erro, então confira também o seletor.

Aparece “The scanned pages could not be read. Please try again.”

Algo falhou durante a passagem de OCR. Uma página que não avança por 120 segundos é tratada como travada. A ferramenta então descarta esse leitor e inicia um novo na próxima tentativa. Se isso se repetir em uma digitalização longa, tente um computador ou divida o PDF para que cada execução seja mais curta. Uma mensagem relacionada, “Page 4 is too large to render for OCR.”, aparece quando uma página exigiria uma imagem com mais de 16,384 pixels de lado.

Aparece “This PDF is password-protected. Remove the password and try again.”

O PDF está criptografado, então seu texto ainda não pode ser lido. Abaixo da mensagem, uma caixa “Send this file to another tool” oferece “Desbloquear PDF”. Ela passa o mesmo arquivo para a ferramenta Desbloquear PDF dentro deste navegador, e a caixa observa “Nothing is uploaded.” Desbloqueie-o ali e depois adicione o arquivo desbloqueado aqui. No modo em lote, a mesma mensagem aparece na linha desse arquivo.

Como se compara

Se você precisa que a página fique exatamente como o PDF, esta é a ferramenta errada. Ela extrai o texto e reconstrói parágrafos, títulos e tabelas simples, o que serve quando você quer editar ou reutilizar as palavras. Não mantém imagens, fontes nem o layout original, e não cria um PDF pesquisável. As páginas digitalizadas são lidas por OCR no dispositivo, então o texto pode ter erros e você precisa revisá-lo. A primeira execução do OCR baixa um modelo uma vez, de 7.4 a 15.9 MB para o alfabeto mais uma parte compartilhada. Nada precisa ser instalado, e o PDF não é enviado.