Foto vs PDF: qual se analisa melhor

A maioria dos recibos chega numa de duas formas: um talão impresso que fotografas com o telemóvel, ou um PDF enviado por email por um comerciante online. Parecem semelhantes mas num parser como o Receipt Ripper seguem caminhos de código completamente diferentes.

Os PDFs dividem-se em dois campos

Alguns PDFs contêm uma camada de texto embutida — os caracteres originais codificados como texto. Outros PDFs são essencialmente fotografias num envelope PDF, sem camada de texto. Os primeiros analisam-se quase perfeitamente; os segundos não são melhores que uma foto.

Distingues abrindo o PDF em qualquer leitor e tentando selecionar texto com o cursor. Se a seleção funciona, é um PDF com camada de texto.

Porque o OCR de fotos perde precisão

• Distorção de perspetiva. Fotografar em ângulo introduz trapézio que a correção tenta desfazer, mas cada transformação amacia ligeiramente.
• Variação de iluminação. A tua foto provavelmente tem um leve gradiente.
• Qualidade de impressão. O papel térmico desbota; as fitas de tinta entopem. PDFs gerados por um sistema de faturação não têm nenhum destes problemas.
• Compressão. Os JPEGs do telemóvel são fortemente comprimidos e comem detalhes finos do texto mais pequeno.
• Dano físico. Recibos do mundo real amarrotam-se. PDFs não.

Quando a diferença importa de verdade

Para um recibo curto com texto grande — um parquímetro, um café — ambos os formatos analisam bem. Para um longo recibo de restaurante com vinte linhas em letra pequena no fundo, a versão PDF é significativamente mais precisa.

Para a declaração de IRS — onde cada dígito acaba importando — a versão PDF é a que vale a pena guardar quando ambas existem.

Alguns recibos só existem num formato

Na prática, a escolha é muitas vezes feita por ti. Recibos só-papel de lojas físicas, restaurantes, táxis e parquímetros só podem ser fotografados. Recibos por email de Amazon, Uber, serviços faturados pela Stripe são só-PDF.

Fluxos práticos

• Os recibos em papel são fotografados no dia, enquanto a impressão está fresca.
• Os recibos por email são guardados como PDF assim que chegam.
• Tudo vai para uma pasta (Dropbox, iCloud, OneDrive). A pasta é o teu lote para o Receipt Ripper.
• Lança o lote — o Receipt Ripper aceita também arquivos ZIP.

Para fotos limpas vê como fotografar um recibo.