Tornar um PDF escaneado pesquisável
Esta ferramenta não entrega o texto: devolve o seu PDF. Mesmas páginas e mesma aparência, com uma camada de texto invisível por cima, alinhada às palavras, e assim o Ctrl+F e o copiar e colar passam a funcionar. Tudo no seu navegador.
O que sai daqui, e o que não sai
O que sai daqui é um arquivo .pdf, não um arquivo de texto. As páginas são as mesmas, a aparência é a mesma, o tamanho do arquivo aumenta muito pouco: o que muda é que uma camada de texto invisível foi colocada por cima das fotografias, alinhada palavra por palavra. A partir daí o PDF se comporta como um PDF normal, o Ctrl+F o percorre, o texto pode ser selecionado e copiado, e os programas que pesquisam dentro dele finalmente encontram alguma coisa.
Se, em vez disso, o que você precisa é o texto e mais nada, para colar em um e-mail ou em um documento, a ferramenta certa é outra, e é Extrair texto de uma imagem. E se você não sabe qual dos dois casos é o seu, a forma mais rápida de descobrir é tentar abrir o arquivo com Extrair texto de um PDF.
As páginas não são refeitas: algo é escrito por cima
O caminho fácil seria transformar cada página em imagem e montar um PDF novo. Não é isso que acontece aqui, e é uma escolha: o arquivo incharia, a qualidade da imagem pioraria a cada passo e o resultado seria o que você já consegue fazer à mão com duas ferramentas deste site, uma depois da outra. Os objetos originais da página não são tocados, e só o texto é acrescentado, no final.
A parte difícil não é reconhecer as letras, é colocá-las no lugar certo. Entre os pixels da imagem e os pontos da folha existem a escala do desenho, a rotação da página (documentos que passaram por um scanner quase sempre estão girados) e a origem da folha, que não é necessariamente zero. São as três contas que fazem uma assinatura ou uma linha de texto cair no meio do nada, e aqui elas são feitas pela mesma conversão já usada por Escrever em um PDF.
A qualidade é medida, não prometida
No final você recebe uma linha por página com quantas palavras foram escritas e qual foi o grau de certeza do reconhecimento. Esse resumo existe porque a pior falha aqui é entregar um arquivo que parece pesquisável e não encontra nada: quem arquiva uma conta percebe seis meses depois, quando procura o número do medidor e o computador diz que ele não está lá.
As palavras de que o reconhecimento não tem certeza não são escritas, e são contadas. Melhor faltar uma palavra do que ter uma palavra inventada dentro de um arquivo. Quando uma página sai ruim, quase sempre é a folha torta ou fotografada de lado, e aí você ganha muito mais endireitando-a com Endireitar um documento fotografado do que mudando qualquer configuração.
Quanto tempo leva, e o que ela não faz
O reconhecimento roda dentro do seu navegador, então o tempo depende do seu computador: uma folha leva alguns segundos, e a estimativa que você vê enquanto a ferramenta trabalha vem das páginas já feitas, não é prometida de antemão. Você pode parar quando quiser e ficar com o que já foi feito. O limite é de sessenta páginas, avisado antes de você começar, e acima disso você divide o documento com Dividir PDF e extrair páginas.
Ela não reconhece escrita à mão, não remonta as tabelas em colunas e não abre PDFs protegidos por senha, que precisam ser desbloqueados antes com Remover a senha de um PDF. As páginas que já têm texto são deixadas em paz, senão toda pesquisa encontraria a mesma palavra duas vezes. Depois, o arquivo está pronto para Pesquisar uma palavra em vários PDFs e para Extrair tabelas de um PDF.