Você digitaliza uma pilha de papelada. O scanner, o app Notas ou o seu telefone devolve uma pasta cheia de arquivos chamados Digitalização 2026-08-02 às 11.20.pdf. Seis meses depois você precisa da garantia da geladeira e não faz ideia de qual é — então abre um por um.
O frustrante é que a resposta está escrita dentro de cada um desses arquivos. O seu Mac simplesmente não está lendo. Aqui vai o porquê, e quatro maneiras de resolver, do gratuito e manual até o automático.
PDFs são duas coisas completamente diferentes usando a mesma extensão.
Um PDF exportado do Word ou de uma página web carrega uma camada de texto: os caracteres estão lá como caracteres. Um PDF que saiu de um scanner ou da câmera do celular é uma fotografia de uma página. Para o computador são pixels. Não há texto nenhum ali.
O teste de um segundo: abra no Pré-Visualização e tente selecionar uma linha com o cursor. Se der para marcar as palavras, existe camada de texto. Se o cursor apenas desenha um retângulo sobre a página, não existe.
No Terminal dá para checar uma pasta inteira de uma vez:
for f in *.pdf; do
strings "$f" | grep -qm1 "/Type/Font" || echo "sem camada de texto: $f"
doneTodo PDF que guarda texto de verdade carrega objetos de fonte dentro. Uma fotografia de uma página não carrega nenhum. Tudo o que isso imprimir não tem nada que uma busca possa ler. Nem “um pouco”, nem “vai indexar depois”. Nada.
É uma contagem grosseira, não um veredito: um PDF pode comprimir a própria estrutura e ser reportado errado. Arrastar o cursor sobre as palavras no Pré-Visualização é a checagem que nunca mente.
E é por isso que o nome do arquivo importa tanto nas digitalizações: é a única alça que você tem naquele documento. Que é justamente o que ficou com a data e a hora em que você apertou o botão.
É o caminho tradicional e vale conhecer mesmo que você acabe automatizando. Você passa a digitalização por um programa de reconhecimento de texto que escreve o texto reconhecido de volta no PDF, como camada invisível. A partir daí o documento se comporta como um PDF normal: o Spotlight indexa, o Pré-Visualização deixa selecionar o texto, e você pode copiar o nome do fornecedor para colar no nome do arquivo.
A maioria dos softwares de scanner faz isso se você ativar. Apps dedicados fazem melhor. É a resposta certa quando o seu problema é buscar dentro dos documentos, e é a única desta lista que também conserta o Spotlight de vez.
O que ela não faz é dar nome a nada. Você continua abrindo cada arquivo e digitando.
O app Atalhos, do macOS, tem uma ação chamada Extrair Texto da Imagem, e ela roda no seu Mac sem mandar nada para lugar nenhum. É o mesmo reconhecimento de texto que a Apple usa no Texto ao Vivo.
O detalhe é que ela quer uma imagem, e você tem um PDF. Então o atalho precisa primeiro transformar a página em imagem, extrair o texto, tirar a parte útil com ações de texto e só então renomear o arquivo. Esse passo do meio, “tirar a parte útil”, é onde a maioria abandona o projeto — por um bom motivo, ao qual eu chego adiante.
É gratuito, é local, e se você lida com um único tipo de documento previsível — digamos, os extratos de um banco — funciona bem.
O Hazel é o padrão aqui há anos. Ele vigia uma pasta e aplica as regras que você escreve. Desde a versão 6 também consegue rodar reconhecimento de texto num arquivo sem OCR quando precisa comparar com o conteúdo, o que permite escrever uma regra como “se este PDF contém Seguros Acme, renomeie e arquive”.
É poderoso e é determinístico, e isso importa. A contrapartida é que você escreve um padrão por tipo de documento. E na prática esses padrões quebram: um usuário do fórum Mac Power Users contou que desistiu exatamente desta tarefa porque “os formatos dos arquivos mudam contínua e rapidamente” — o banco redesenha o extrato, o padrão para de casar, você reescreve a regra.
O Hazel custa US$ 42, pagamento único.
A quarta abordagem pula as regras: ler o documento, descobrir o que é, dar nome a partir disso. Sem padrão, sem configuração por fornecedor.
Foi isso que passei os últimos meses construindo, então leia o que vem a seguir como informado, não como neutro.
Todas as opções acima dividem a mesma segunda metade do problema, e ela é bem mais difícil que a primeira.
Tirar o texto está basicamente resolvido. O framework Vision da Apple lê um cupom amassado, fotografado torto e com luz ruim, no próprio aparelho, em bem menos de um segundo. Essa parte é genuinamente boa e é de graça para qualquer desenvolvedor.
E aí você está segurando quarenta linhas de texto e precisa de três.
Um cupom de supermercado tem o nome da loja em algum lugar perto do topo, mas nem sempre. Tem uma data, que pode aparecer em quatro formatos diferentes no mesmo pedaço de papel. Tem um total, que fica perto da palavra “total” no idioma que for. Tem endereço, CNPJ, nome de operador de caixa, programa de pontos e um slogan.
Tentei entregar essa decisão a um modelo de linguagem local. Ele entendia os documentos lindamente e falhava na mecânica: devolvia um nome com uma barra dentro, que o sistema de arquivos não aceita. Me dava uma data que na página estava em outro formato. Devolvia o mesmo nome para dois arquivos diferentes, o que sobrescreve os seus dados em silêncio se você não tomar cuidado.
Essa inversão é o truque inteiro, e é também a resposta honesta à objeção de que IA local alucina. Alucina. Então não peça que ela invente nada. O reconhecimento de texto lê o que está na página — ler não é alucinar — e o modelo apenas escolhe qual das coisas que estão na página deve virar o nome.
O app que eu construí se chama Tidy. Ele lê o que está dentro das suas imagens e dos seus PDFs digitalizados com o reconhecimento de texto que o seu Mac já traz e dá a cada arquivo um nome tirado do conteúdo; além disso deixa você buscar dentro daquelas digitalizações que o Spotlight não enxerga. US$ 9, pagamento único, sem assinatura, macOS 14 ou superior, e nada nunca sai do seu Mac. Ele nunca apaga nada e cada passada se desfaz com um clique. Sou desenvolvedor independente, trabalho sozinho em Santiago, no Chile, e respondo cada e-mail pessoalmente.
Também vale a leitura: Achar texto dentro de PDFs digitalizados · Organizar a pasta Downloads · Tidy e Hazel, lado a lado
Este artigo em: English · Español · Deutsch · Français · Português