OCR für PDF – durchsuchbares PDF

Scans durchsuchbar und kopierbar machen

Ein gescanntes PDF ist ein Stapel von Bildern: Sie können darin nicht suchen, keinen Satz kopieren und es nicht von einem Screenreader vorlesen lassen. OCR (optische Zeichenerkennung) liest die Buchstaben in diesen Bildern und legt direkt darüber eine unsichtbare Textebene. Die Seite sieht gleich aus, aber jetzt findet Strg+F Wörter, der Text lässt sich markieren und kopieren, und Ihr Computer oder ein Dokumentenmanagementsystem kann das Dokument indexieren.

Fileopia führt die OCR mit der Tesseract-Engine in Ihrem Browser aus. Die Sprachmodelle werden einmal heruntergeladen und zwischengespeichert; Ihre Scans werden nie hochgeladen. Das macht es geeignet für Krankenakten, juristische Unterlagen, Rechnungen und Ausweisdokumente.

Funktionen

• 12 Sprachen, paarweise kombinierbar: siehe Tabelle unten.
• Ausgabe als durchsuchbares PDF: Die Originalseiten bleiben erhalten und unsichtbarer Text wird hinzugefügt.
• TXT-Export: Erhalten Sie den erkannten Text als reine Textdatei oder PDF und TXT zugleich.
• Seitenbereich: Führen Sie die OCR nur für die benötigten Seiten aus.
• Seiten mit vorhandenem Text überspringen: Gemischte Dokumente werden schneller verarbeitet und vorhandener digitaler Text wird nicht verdoppelt.
• Einstellbare Auflösung: 200 DPI ist ein guter Standardwert; erhöhen Sie für kleine Schrift auf 300.

Unterstützte OCR-Sprachen

Wählen Sie für zweisprachige Dokumente eine zweite Sprache, etwa Englisch + Hindi oder Französisch + Arabisch.

So führen Sie OCR für ein PDF aus

• Legen Sie Ihr gescanntes PDF ab.
• Wählen Sie die Sprache des Dokuments (und auf Wunsch eine zweite).
• Wählen Sie die Ausgabe: durchsuchbares PDF, TXT oder beides.
• Geben Sie auf Wunsch einen Seitenbereich an und lassen Sie „Seiten überspringen, die bereits Text enthalten“ aktiviert.
• Klicken Sie auf Starten und warten Sie: Jede Seite dauert je nach Gerät einige Sekunden.
• Laden Sie es herunter und testen Sie es: Drücken Sie in Ihrem PDF-Reader Strg+F und suchen Sie nach einem Wort.

So erreichen Sie maximale Genauigkeit

• Scannen Sie mit 300 DPI in Graustufen oder Farbe; 200 DPI genügen für normal große Schrift.
• Gerade Seiten werden besser erkannt: Korrigieren Sie schiefe Scans mit PDF gerade ausrichten und seitlich liegende Seiten mit PDF drehen.
• Wählen Sie die richtige Sprache; davon hängen Akzente und nicht-lateinische Buchstaben ab.
• Sehr heller, verblasster oder handgeschriebener Text ist für jede OCR schwierig; Handschrift wird im Allgemeinen nicht unterstützt.
• Für Handyfotos schneidet PDF-Scanner die Seiten vor der OCR zu und verbessert sie.

Was kann ich mit einem OCR-PDF machen?

• Große Archive gescannter Briefe und Verträge durchsuchen.
• Zitate und Zahlen in Berichte kopieren.
• Es mit PDF in Word in bearbeitbare Formate oder mit PDF in Excel in Tabellen umwandeln.
• Dokumente für Nutzer von Screenreadern barrierefrei machen.
• Den Text mit PDF bearbeiten ändern.

Durchsuchbares PDF oder Textdatei

Ein durchsuchbares PDF behält das exakte Aussehen des Originalscans mit markierbarem Text darunter: ideal zum Archivieren und Teilen. Eine TXT-Datei enthält nur die Wörter, ohne Layout: ideal zum Einfügen in andere Programme, Übersetzen oder Analysieren. Wählen Sie „beides“, wenn Sie beides brauchen.

Datenschutz bei OCR im Browser

Viele Online-OCR-Dienste schicken Ihre Scans zur Verarbeitung an einen Server. Hier laufen die OCR-Engine und die Sprachdaten auf Ihrem eigenen Computer oder Smartphone. Sind Seite und Sprachmodell einmal geladen, können Sie sogar die Internetverbindung trennen und weiterarbeiten.

Geschwindigkeit und große Dokumente

OCR ist rechenintensiv. Ein moderner Laptop verarbeitet eine Seite meist in wenigen Sekunden; Smartphones brauchen länger. Für einen 200-seitigen Scan nutzen Sie den Seitenbereich, um ihn in Teilen zu verarbeiten, oder lassen den Tab während der Arbeit geöffnet: Der Fortschritt wird pro Seite angezeigt.

OCR für Rechts-nach-links- und indische Schriften

Arabisch wird von rechts nach links erkannt und die Textebene behält die richtige Lesereihenfolge, sodass Suchen und Kopieren in arabischen Readern funktionieren. Hindi (Devanagari) und Tamil werden mit eigenen trainierten Modellen unterstützt, einschließlich Ligaturen und Vokalzeichen. Wählen Sie bei gemischten Dokumenten (etwa ein englisches Formular mit Namen auf Hindi) beide Sprachen, damit jedes Wort mit dem richtigen Alphabet abgeglichen wird.