Não há qualquer subcontratação no tratamento do conteúdo dos seus arquivos. Não precisa de um contrato de tratamento de dados com a gottrix para processar documentos confidenciais ou empresariais.
Hosted in GermanyGlobal Content Delivery
Servidores de origem na Hetzner, na Alemanha, com entrega mundial por meio de uma rede de distribuição de conteúdo (CDN). O conteúdo dos seus arquivos nunca é transmitido nesse processo - ele não sai do seu dispositivo.
Um PDF é um leiaute fechado, não texto editável: os parágrafos custam a ser selecionados, as frases não se reescrevem à vontade e uma tabela não dá para continuar a calcular. Esta ferramenta lê a estrutura real do teu PDF (títulos, parágrafos, listas, tabelas, notas de rodapé e imagens) e constrói a partir dela, no teu próprio aparelho, um ficheiro DOCX verdadeiro no formato Office Open XML, pronto a abrir no Word, no LibreOffice Writer ou em qualquer outro programa que entenda ficheiros .docx. Sem marca de água, sem conta e sem limite diário: a conversão acontece no separador do navegador e não num servidor.
Ao nível do parágrafo e do caractere permanece muito mais do que o negrito e o itálico. Os títulos passam a títulos reais do Word dos níveis 1 a 6, com o respetivo nível de tópicos, para que o painel de navegação e o índice automático funcionem logo. As listas aninhadas mantêm os seus níveis como uma verdadeira lista de vários níveis. Os sublinhados e os riscados são reconhecidos pelas linhas efetivamente desenhadas na página, os expoentes e índices pela sua linha de base deslocada, e um realce colorido é aproximado à mais próxima das 16 cores de realce que o formato do Word conhece. As remissões do PDF passam a hiperligações clicáveis, e as anotações no pé da página passam a notas de rodapé reais, geridas como tal e não como texto solto no fim da página.
As tabelas são detetadas por três vias distintas: pelas linhas de moldura realmente traçadas, com as larguras de coluna tiradas da geometria medida dessas linhas e as células unidas simples a manterem-se unidas; por um espaço entre colunas nitidamente recorrente quando a tabela não tem linha nenhuma; e por uma sequência de pelo menos três linhas consecutivas do tipo «campo: valor», como as que os PDFs de formulário produzem. O tamanho da página, a orientação vertical ou horizontal, as margens e o número de colunas de texto são retirados da geometria real da página em vez de uma suposição A4, em cada limite de página original fica uma quebra de página limpa, e as imagens são incorporadas no seu lugar dentro do fluxo de leitura mantendo a proporção, incluindo os gráficos desenhados apenas em vetorial, também reconhecidos como figuras. Cabeçalhos e rodapés recorrentes passam a cabeçalhos e rodapés reais do Word com tabulações à esquerda, ao centro e à direita; um número de página contínuo passa a ser um campo vivo do Word em vez de um algarismo congelado, e uma marca de água recorrente é mantida.
Com os tipos de letra a ferramenta segue o caminho direto: os programas de tipo de letra incorporados no PDF de origem são transferidos sem alteração para o ficheiro do Word, separadamente para os cortes normal, negrito, itálico e negrito itálico. Um parágrafo a negrito recebe assim os contornos reais do desenho tipográfico e não um engrossamento calculado depois pelo processador de texto. Só onde o PDF não traz tipo de letra nenhum entra um substituto de métricas compatíveis e licença aberta, igualmente incorporado no ficheiro, para que o documento fique correto mesmo noutro computador onde esses tipos de letra não estejam instalados. O texto fora do alfabeto latino recebe ainda a marcação de escrita e de idioma adequada, para que o Word componha bem chinês, japonês, coreano, árabe ou hebraico, escreva da direita para a esquerda onde é devido e o corretor ortográfico escolha o idioma certo.
Grande parte do trabalho está nos PDFs que fogem à regra. Uma página guardada de lado é analisada no seu próprio sentido de leitura, para que uma tabela não chegue transposta e um título não acabe na vertical. Os PDFs impressos a partir do navegador, por exemplo com «Imprimir como PDF» no Chrome ou no Edge, desenham as marcas de lista como quadradinhos vetoriais em vez de caracteres de texto, e colam uma linha de tabela inteira numa única linha de texto: ambos os casos são reconhecidos pela geometria e voltam a ser separados em listas verdadeiras e em células individuais. Um número de página só passa a cabeçalho ou rodapé quando continua mesmo a contar ao longo do documento; uma linha isolada que apenas parece um número de página fica no texto, e identificadores variáveis como «K-6» ou «K-86» são preservados em vez de descartados como elementos acessórios.
Há duas coisas que a ferramenta te diz abertamente em vez de calar. Se no PDF de origem havia texto por trás de uma barra preta opaca mas ainda legível como texto, o erro clássico de tarjar pintando um retângulo por cima, esse texto não passa para o ficheiro do Word e ficas a saber em que páginas aconteceu. E se houver caracteres no PDF sem qualquer valor Unicode, o que também faz falhar a cópia a partir de qualquer visualizador de PDF, a sua proporção é quantificada e és remetido para «PDF OCR» em vez de ficares com uma lacuna silenciosa. A análise e a montagem do ficheiro decorrem inteiramente no separador do navegador: o teu PDF não sai do teu aparelho e, depois do primeiro carregamento, a ferramenta funciona também sem ligação.
Estrutura, tabelas, tipos de letra e imagens são detetados localmente e passados para um DOCX.
Transfere o DOCX e continua a editá-lo no Word ou no LibreOffice.
Limites: Reprodução estruturada, não uma cópia pixel a pixel do PDF. São transferidos: títulos com nível de tópicos, parágrafos, listas numeradas e com marcas de vários níveis, negrito, itálico, sublinhado, riscado, expoentes e índices, realces de texto (aproximados às cores de realce do Word), hiperligações clicáveis, notas de rodapé reais, imagens e gráficos vetoriais no fluxo de leitura, cabeçalhos e rodapés reais com campo de número de página vivo, além do formato de página, orientação, margens e número de colunas retirados da geometria real. As tabelas são detetadas pelas linhas de moldura, por um espaço de coluna recorrente ou por linhas do tipo «campo: valor»; por agora só é avaliada uma região de tabela contígua por página, pelo que várias tabelas com moldura própria empilhadas na mesma página passam deliberadamente como texto corrido em vez de serem montadas mal, e as tabelas muito aninhadas ou com muitas células unidas continuam fracas. Cada célula contém um parágrafo. Outros limites assumidos: um trecho colorido dentro de um bloco de texto composto de forma contínua perde a cor própria, e um realce que cubra apenas uma parte desse bloco pinta o bloco inteiro; uma remissão sem endereço de destino guardado no PDF é ignorada; uma ligação dentro do texto de uma nota de rodapé deixa de ser clicável; uma lista com marcas aninhada dentro de uma numerada assume no seu nível a marca numerada (o conteúdo e o aninhamento estão certos, só o sinal não); se o cabeçalho mudar a cada capítulo, fica como texto normal do documento em vez de se tornar um cabeçalho próprio por capítulo. As páginas de composição muito trabalhada com texto a contornar as figuras são aproximadas, e nas páginas com vários milhares de elementos de linha ou vetoriais a deteção de tabelas e gráficos é ignorada. Os PDFs digitalizados ou apenas com imagens não têm camada de texto: nesse caso aparece um aviso a apontar para «PDF OCR» em vez de um resultado vazio. Abre primeiro os PDFs protegidos por senha com «Desbloquear PDF».
Perguntas frequentes
O PDF é enviado para um servidor?
Não. O PDF é aberto no separador do navegador, analisado aí, e o ficheiro do Word é montado aí também; não existe servidor nenhum que chegue a ver o ficheiro. Depois da primeira visita a ferramenta continua a funcionar mesmo em modo de avião, a prova mais simples de que nada é enviado.
O ficheiro do Word fica igual ao PDF?
Não, e é de propósito. Um PDF é um leiaute fixo e um documento do Word é texto que flui: uma cópia ponto por ponto já não seria editável de forma sensata no Word. Por isso é o significado que passa: títulos, parágrafos, listas, tabelas, notas de rodapé, imagens, cabeçalhos e rodapés, além do formato de página e das margens. As páginas de composição muito trabalhada com texto a contornar as figuras são aproximadas.
Os títulos continuam a ser títulos reais do Word?
Sim. As linhas compostas em corpo maior e mais forte são reconhecidas como títulos dos níveis 1 a 6 e recebem o nível de tópicos correspondente. Assim funcionam não só os estilos, mas também o painel de navegação e o índice gerado automaticamente no Word, de imediato e sem que tenhas de reformatar seja o que for.
O tipo de letra original do PDF é mantido?
Sim, se o PDF o trouxer. Os ficheiros de tipo de letra incorporados no PDF de origem são transferidos sem alteração para o ficheiro do Word, separadamente para os cortes normal, negrito, itálico e negrito itálico. Só quando um tipo de letra falta no PDF entra um substituto de métricas compatíveis e licença aberta, também ele incorporado, para que o documento fique correto num computador onde esses tipos de letra não estão instalados.
As tabelas são mantidas?
As tabelas com linhas de moldura visíveis passam a tabelas reais do Word, com larguras de coluna tiradas da geometria medida e as células unidas simples preservadas. Também são reconhecidas as tabelas sem moldura com um espaço de coluna nitidamente recorrente e as linhas de formulário do tipo «campo: valor». Por agora só é avaliada uma região de tabela contígua por página: se houver várias tabelas com moldura própria empilhadas, passam deliberadamente como texto corrido em vez de serem montadas mal.
Funciona com páginas rodadas ou na horizontal?
Sim. Uma página guardada rodada dentro do PDF é analisada no seu próprio sentido de leitura e não no do resto do documento. Uma tabela nessa página mantém assim as linhas e as colunas no sentido certo, e um título não é tratado por engano como texto composto na vertical.
As listas com marcas de um PDF impresso pelo navegador são reconhecidas?
Sim. Ao imprimir como PDF, o Chrome e o Edge desenham os pontos de uma lista não como caracteres de texto, mas como quadradinhos vetoriais, o que torna as marcas invisíveis para um leitor de texto puro. A ferramenta reconhece-as pelo tamanho e pelo facto de ficarem alinhadas numa mesma coluna, e repõe a lista com todos os seus níveis. Da mesma origem, as linhas de tabela coladas voltam a ser separadas em células individuais.
As imagens, as ligações e as notas de rodapé passam?
Sim, as três. As imagens incorporadas são inseridas no seu lugar dentro do fluxo de leitura, com a largura limitada e a proporção intacta; os gráficos desenhados apenas em vetorial também são reconhecidos como figuras. As remissões com destino guardado passam a hiperligações clicáveis, e as anotações no pé da página a notas de rodapé reais. Uma remissão sem endereço de destino é ignorada, e uma ligação dentro do texto de uma nota deixa de ser clicável.
O que acontece ao texto tapado com uma barra preta no PDF de origem?
Não passa para o ficheiro do Word. Se a tarja foi feita pintando um retângulo preto por cima do texto em vez de o remover mesmo, o texto continua perfeitamente legível dentro do PDF, um erro frequente e de consequências graves. A ferramenta deteta o texto que fica inteiramente por trás de uma superfície escura opaca, deixa-o de fora e indica-te em que páginas aconteceu.
O que acontece com um PDF digitalizado?
Uma digitalização é feita de imagens e não tem camada de texto. A ferramenta di-lo com honestidade e remete para «PDF OCR» em vez de gerar um ficheiro do Word vazio. Se um ficheiro tiver mesmo texto mas os seus caracteres não tiverem valor Unicode guardado, a proporção afetada é quantificada: nesse caso também falha a cópia a partir de um visualizador de PDF, e o OCR é o caminho de volta ao texto.
Apenas com o seu consentimento medimos a utilização de forma anonimizada através de cookies para melhorar o gottrix. Os seus arquivos permanecem sempre locais, no seu dispositivo. Privacidade