Comprimir um PDF Torna o Texto Impossível de Pesquisar?

Sim — na maioria das vezes. Se um compressor tornou o seu PDF drasticamente mais pequeno, quase certamente transformou cada página numa imagem, e o texto que estava lá já não é texto.

Normalmente descobre isso mais tarde, no pior momento: a pesquisar uma cláusula num contrato e não obter resultados, ou a colar um parágrafo e não obter nada. Este guia explica por que acontece, como verificar e como comprimir um ficheiro sem que isso aconteça.

Duas Operações Completamente Diferentes Partilham a Mesma Palavra

"Comprimir" descreve duas coisas que funcionam de formas opostas. As ferramentas raramente dizem qual das duas está a usar.

Sem perdas: reconstruir o ficheiro

A estrutura do documento é reescrita de forma mais eficiente. Recursos duplicados são fundidos, objetos não utilizados são eliminados e os fluxos internos são reorganizados. Nada na página é tocado.

O texto mantém-se como texto. As fontes continuam incorporadas. Ligações, campos de formulário e anotações sobrevivem. O problema está na redução de tamanho: tipicamente 20–30%, e num ficheiro já bem construído, por vezes quase nada.

Com perdas: fotografar as páginas

Cada página é renderizada como imagem, essa imagem é comprimida e um novo PDF é criado com uma fotografia por página.

Isto é extraordinariamente eficaz — 60–80% em documentos digitalizados é normal — porque elimina a distinção entre uma letra e os píxeis que a desenham. E é precisamente esse o problema. Depois disto, a página é uma fotografia do seu documento. Não existe texto nela para encontrar.

Como Perceber o Que Obteve

Abra o ficheiro resultante e tente selecionar uma linha de texto com o cursor.

• O cursor de texto aparece e consegue destacar palavras individuais — o texto sobreviveu.
• Obtém uma caixa de seleção sobre a página inteira, ou não acontece nada — a página é uma imagem.

Outras duas verificações rápidas: prima Ctrl+F (Cmd+F no Mac) e pesquise uma palavra que consiga ver claramente. E amplie para 400%. O texto real mantém-se nítido em qualquer zoom porque é desenhado a partir de contornos de fonte; uma imagem fica desfocada e depois pixelizada.

Porque Isto É Mais Importante Do Que Parece

Perder o texto pesquisável não é apenas um inconveniente.

Não consegue pesquisar nem extrair. Qualquer fluxo de trabalho que leia dados do documento deixa de funcionar — sistemas de despesas, revisão de contratos, indexação de gestão documental.

Os leitores de ecrã não conseguem lê-lo. Este é o problema grave. Uma página que é uma imagem é completamente inacessível para qualquer pessoa que use tecnologia de apoio. Se publicar um documento que o público vai ler, ou trabalhar em qualquer contexto com obrigações de acessibilidade, um PDF apenas com imagens não é uma saída aceitável.

Os motores de busca não conseguem indexá-lo. Um PDF publicado num website sem camada de texto não contribui em nada para a pesquisa.

A qualidade é agora permanente. Não é possível recuperar o texto mais tarde, exceto executando OCR, que o reintroduz tentando adivinhar os píxeis — geralmente com precisão, mas nunca na perfeição, e nunca com a formatação original.

Escolher Deliberadamente

A nossa ferramenta Comprimir PDF expõe ambas as opções e diz-lhe qual é cada definição.

Manter texto é o caminho sem perdas. Use-o sempre que o documento vá ser pesquisado, lido com tecnologia de apoio, processado automaticamente ou guardado como registo. Espere uma redução modesta.

Tamanho mínimo é o caminho com perdas, em três intensidades — aproximadamente 144, 108 e 72 DPI. Use-o quando o ficheiro tem de caber num limite rígido e uma pessoa simplesmente vai olhar para ele. A ferramenta indica claramente que o texto deixa de ser selecionável em qualquer destes modos.

Existe também um modo Tamanho alvo para quando um portal exige um número específico. É um modo com perdas, pelo que se aplica o mesmo compromisso.

O Caso em Que Não Faz Diferença

Se o seu PDF for uma digitalização, nunca houve texto nele para perder. Uma fotografia de uma página não contém caracteres, apenas píxeis, independentemente da ferramenta que a produziu.

Para digitalizações, a compressão com perdas não lhe custa nada em pesquisabilidade — porque não tinha nenhuma. É também por isso que as digitalizações comprimem tão bem: são dados de imagem pura, que é exatamente aquilo para que a compressão com perdas foi concebida.

Se quiser que uma digitalização seja pesquisável, trata-se de uma operação separada: o OCR lê os píxeis e adiciona uma camada de texto por baixo. Vale a pena fazê-lo antes de comprimir, porque a compressão agressiva torna os caracteres mais difíceis de reconhecer e o OCR menos preciso.

Uma Regra que Funciona

Faça uma pergunta: depois de este ficheiro ser enviado, algo que não seja um par de olhos humanos precisará de o ler?

• Não — um colega vai dar-lhe uma vista de olhos, um revisor de portal vai aprová-lo, vai num e-mail. Com perdas está bem. Aceite os 70%.
• Sim — vai ser pesquisado, indexado, arquivado, lido em voz alta ou processado. Fique sem perdas, aceite a poupança menor e encontre espaço noutro lado.

"Noutro lado" é normalmente as páginas. Remover as páginas que ninguém pediu supera qualquer definição de compressão e não custa nada em qualidade. Extrair páginas de PDF extrai exatamente as que precisa.

Se Já Perdeu o Texto

Se comprimiu um ficheiro em imagens e já não tem o original, o texto não é recuperável na sua forma original. As suas opções são voltar ao documento de origem e exportar novamente, ou executar OCR na versão comprimida para gerar uma nova camada de texto.

Executar OCR num ficheiro já muito comprimido é a mais fraca destas opções, porque a compressão danificou precisamente as formas das letras de que o reconhecimento depende. O que é o argumento mais forte para guardar o original de tudo o que tem importância.

Perguntas Frequentes

Consigo saber se um PDF tem texto real sem o abrir num leitor? A verificação mais rápida é abri-lo e tentar selecionar uma linha. Se quiser ter a certeza, pesquise uma palavra que consiga ver claramente na página — se a pesquisa não encontrar nada, não existe camada de texto.

A compressão pode remover texto de um PDF que não foi digitalizado? Sim. A compressão com perdas renderiza cada página como imagem independentemente do que estava nela. Um PDF exportado do Word com texto perfeitamente bom perderá esse texto se o comprimir no modo "tamanho mínimo".

Um ficheiro mais pequeno é sempre de pior qualidade? Não. A compressão sem perdas torna um ficheiro mais pequeno sem qualquer perda de qualidade — remove desperdício em vez de detalhe. Simplesmente não consegue as reduções dramáticas que as pessoas esperam.

O meu PDF comprimido parece idêntico. Manteve o texto? Não necessariamente. Com um zoom normal, uma imagem bem comprimida de uma página parece muito próxima do original. Selecionar texto é o único teste fiável.

Posso adicionar o texto de volta depois de comprimir? Apenas executando OCR, que gera uma nova camada de texto ao reconhecer os píxeis. Geralmente é preciso, mas nunca garantido, e não restaura a formatação original.