Os teus ficheiros nunca saem do dispositivo
Esta é uma afirmação que podes verificar em dois minutos. Aqui fica o que é verdade, o que não é, e como confirmar.
O que acontece quando largas um ficheiro
- O ficheiro é lido pelo browser para a memória do teu dispositivo. Não há campo de upload, formulário nem pedido com o conteúdo.
- PDF: lidos com pdf.js e pdf-lib, que correm em JavaScript no separador.
- OCR: Tesseract compilado para WebAssembly, num worker do browser. Os modelos de língua e o motor são ficheiros nossos (extrair.pt/ocr/), não de terceiros.
- Não guardamos nada. Fechar o separador apaga tudo. Não há contas, nem base de dados de ficheiros.
O que o site descarrega (e quando)
Para poder processar sem servidor, o site descarrega o código dos motores. Na primeira utilização de uma ferramenta de OCR são cerca de 6 MB para português (motor WebAssembly mais o modelo de língua), ou 10 MB com inglês, vindos de extrair.pt e guardados em cache do browser. Os leitores de PDF carregam o seu código da mesma forma. Depois disso, o processamento não faz pedidos de rede.
Como verificar
- Abre as ferramentas de programador (F12) e o separador Rede (Network).
- Usa uma ferramenta uma vez para o motor ficar em cache e limpa a lista.
- Larga um ficheiro. A lista deve ficar vazia durante o processamento.
Cada ferramenta tem ainda o painel “Pedidos de rede”, que conta os pedidos feitos pela página enquanto processa. Mostra os feitos pela página; os pedidos internos de workers só se veem nas ferramentas do browser, por isso o passo acima é o teste que conta.
Análise de visitas
Só carregamos o Google Tag Manager se disseres que sim no aviso. Se disseres não (ou ignorares), o site não contacta o Google. Mesmo com “sim”, o conteúdo dos teus ficheiros nunca é enviado: os eventos de análise não os incluem.
Limites, ditos com franqueza
- Extensões do browser, malware ou um dispositivo comprometido podem ver o que está no ecrã. Isso está fora do nosso controlo.
- O OCR e a deteção de campos erram. Confirma sempre valores importantes (montantes, IBAN, NIF).
- Dependemos de browsers recentes (WebAssembly e JavaScript moderno).
Software de código aberto usado
| Componente | Licença | Para quê |
|---|---|---|
| pdf.js | Apache-2.0 | Ler PDF, texto e páginas |
| pdf-lib | MIT | Juntar, dividir e rodar páginas; criar PDF |
| tesseract.js + tesseract.js-core | Apache-2.0 | OCR em WebAssembly |
| tessdata_fast (por, eng) | Apache-2.0 | Modelos de língua do Tesseract |
| jsQR | Apache-2.0 | Ler QR codes |
| fflate | MIT | ZIP e XLSX |
| three.js | MIT | Animações 3D |