O que torna um PDF acessível
O que torna um PDF acessível para um leitor de tela?
Salve suas ferramentas favoritas
Crie uma conta grátis no iBuildPDF para guardar suas ferramentas favoritas e encontrá-las rapidamente quando quiser.
Conta grátis. As ferramentas PDF em si nunca precisam de uma.
Resposta curta
Estrutura, e não só texto. Um leitor de tela precisa saber que esta linha é um título, que aquele bloco é uma tabela com estas colunas, que esta imagem significa aquilo e que a ordem de leitura segue por este caminho. Essa informação fica em uma camada de tags que um PDF pode ter ou não. Texto selecionável é necessário, mas está longe de ser suficiente: um documento pode ser perfeitamente pesquisável e ainda assim impossível de usar.
O que são tags
Visualmente, uma página de PDF é um conjunto de instruções de desenho: coloque estes glifos nestas coordenadas. Nada disso diz quais glifos formam um título, quais pertencem ao mesmo parágrafo, ou que estes doze trechos de texto são células de uma tabela. Um leitor que enxerga deduz tudo isso pelo tamanho, peso e posição. Um programa não consegue.
A ordem de leitura é guardada, não adivinhada
- O que um leitor que enxerga vê: um título e depois duas colunas.
- A árvore de tags — título, depois parágrafo, depois parágrafo. É ela que diz qual coluna vem primeiro.
- Sem tags, a ordem precisa ser deduzida pela posição, e é em uma página de duas colunas que isso dá errado.
Um PDF com tags acrescenta uma árvore de estrutura paralela — títulos, parágrafos, listas, tabelas, figuras —, bem parecida com a estrutura de um documento HTML. Com ela, a tecnologia assistiva consegue anunciar "título de nível 2", deixar a pessoa pular entre seções, ler uma tabela por linha e coluna e ler o texto alternativo de uma figura. Sem ela, o mesmo programa volta a adivinhar pelo layout, e adivinha mal em qualquer coisa além da página mais simples, de uma coluna só.
A camada de tags carrega mais três coisas, todas importantes e nenhuma visível:
- A ordem de leitura, que não é a ordem em que as coisas foram desenhadas. Um layout de duas colunas desenhado coluna por coluna é lido corretamente; desenhado linha por linha atravessando as duas colunas, vira uma confusão — e tem exatamente a mesma aparência.
- O texto alternativo das imagens, sem o qual uma figura é anunciada como "gráfico" e nada mais.
- O idioma do documento, que diz ao leitor de tela quais regras de pronúncia usar. Um documento em francês lido com regras do inglês fica quase incompreensível.
Por que OCR não é acessibilidade
Este é o mal-entendido mais comum e mais caro, então vale ser direto.
Rodar o OCR em um documento digitalizado acrescenta uma camada de texto reconhecido por trás da imagem. O documento passa a ser pesquisável, o texto passa a ser selecionável, e um leitor de tela agora vai ler alguma coisa em vez de nada. É uma melhora real e grande, e não é acessibilidade.
O que o OCR produz é um fluxo de palavras sem distinção. Ele não sabe que uma linha era um título; produz uma linha de texto. Não sabe que uma tabela é uma tabela; produz o conteúdo das células na ordem em que as leu, que em uma tabela muitas vezes é a ordem errada, e isso é anunciado sem nenhuma indicação de a qual coluna um número pertence. Ele não consegue escrever um texto alternativo para uma foto, porque não sabe o que a foto mostra.
Então: o OCR é o primeiro passo necessário para uma digitalização, e depois dele o documento continua sem nada da estrutura que o torna utilizável. Tratar "rodamos OCR" como "deixamos acessível" é como organizações acabam acreditando que um arquivo de documentos está em conformidade quando não está.
Avaliando um documento com honestidade
Parte disso pode ser conferida rapidamente, e vale fazer isso antes de presumir que um arquivo está bom.
- Há algum texto? Tente selecionar uma frase. Se nada for selecionado, a página é uma imagem e precisa de OCR antes de qualquer outra coisa. O Extrair texto de um PDF responde à mesma pergunta — um resultado vazio significa que não há camada de texto.
- A ordem de leitura está certa? Selecione todo o texto de uma página complexa e cole em um editor de texto simples. O que você recebe é parecido com a ordem que um leitor de tela vai usar. Se uma página de duas colunas sair intercalada, a ordem de leitura está errada, não importa a aparência.
- Ele tem tags? Os leitores para computador mostram isso nas propriedades do documento, normalmente como "PDF com tags: Sim/Não". Não é definitivo; sim só significa que as tags existem, não que estejam corretas.
- O idioma está definido? O editor de metadados mostra as propriedades do documento registradas no arquivo.
Os verificadores automáticos são úteis e limitados de um jeito específico: eles confirmam que as estruturas existem e estão bem formadas, não que estejam certas. Um verificador não consegue dizer que um título foi marcado como parágrafo, ou que o texto alternativo de uma foto diz "image1.jpg". Para isso é preciso uma pessoa.
O que as ferramentas no navegador podem e não podem fazer
Sendo claro sobre os limites: o iBuildPDF não torna PDFs acessíveis, e nenhuma ferramenta que só edita um arquivo existente consegue de fato. A acessibilidade é decidida em grande parte onde o documento é criado — um estilo de título aplicado em um processador de texto vira uma tag de título na exportação; um texto digitado em uma caixa de texto vira um fragmento sem tag. Exportar corretamente a partir da origem vale mais do que qualquer coisa feita depois.
O que as ferramentas daqui podem fazer é a preparação e o diagnóstico:
- O OCR dá a uma digitalização uma camada de texto, o pré-requisito para todo o resto.
- O Extrair texto mostra o que uma máquina realmente vê, incluindo a ordem de leitura.
- O PDF para Word leva um documento para um editor em que títulos, texto alternativo e estrutura de tabela podem ser aplicados corretamente e exportados de novo.
- O editor de metadados mostra as propriedades do documento, incluindo o título que a tecnologia assistiva anuncia primeiro.
Duas operações pioram ativamente a acessibilidade, e as duas às vezes são feitas por bons motivos: converter páginas em imagens destrói por completo a camada de texto, e achatar remove a estrutura interativa dos campos de formulário. Nenhuma das duas está errada, mas nenhuma deve ser aplicada a um documento que alguém precise ler com tecnologia assistiva.
Se um documento tem uma exigência legal ou contratual de acessibilidade, os padrões a seguir são o PDF/UA (ISO 14289) e as técnicas de PDF publicadas junto com as WCAG, ambos com link abaixo.
Ferramentas que este artigo aborda
Fontes
Documentação primária das afirmações acima.



