PDF durchsuchbar machen oder Text extrahieren
Wählen Sie zwischen Textextraktion und OCR-Erkennung: ein praktisches Beispiel für digitale PDFs, Scans und gemischte Dokumente.
Beginnen Sie mit einem Wort
Öffnen Sie das Dokument in einem PDF-Reader und versuchen Sie, ein Wort auszuwählen und zu kopieren. Wenn Sie lesbaren Text erhalten, enthält die PDF bereits eine Textebene: „PDF in Text“ kann diese ohne optische Zeichenerkennung extrahieren. Ein Scan kann bereits eine OCR-Ebene enthalten. Sein bildhaftes Aussehen allein reicht deshalb nicht aus, um ihn zu unterscheiden.
PDF durchsuchbar machen
Wenn Sie die Wörter nicht auswählen können, ist die Seite möglicherweise ein Bild. OCR-PDF analysiert das Bild und erkennt Zeichen in den 12 verfügbaren Sprachen. Wählen Sie TXT für kopierbaren Text oder eine durchsuchbare PDF, um das Aussehen der Seiten mit einer Textebene beizubehalten.
Bei der ersten Verwendung wird die Engine von der Website heruntergeladen. Der Scan verbleibt auf dem Gerät. Bearbeiten Sie jeweils ein paar Seiten, maximal 20, insbesondere auf Ihrem Telefon.
Ein Beispiel mit einem gemischten Dokument
Ein Dokument enthält zwei digitale Seiten und drei gescannte Belege. Verwenden Sie PDF in Text für die digitalen Seiten und OCR nur für die Belege: So wird bereits vorhandener Text nicht erneut erkannt. Das OCR-Ergebnis enthält nur die ausgewählten Seiten.
Zahlen und Lesereihenfolge prüfen
Vergleichen Sie den Text mit dem Original, insbesondere Datumsangaben, Beträge, Namen und Codes. OCR stellt Tabellen und Spalten nicht immer korrekt wieder her; bei der TXT-Extraktion bleiben Schriftarten und Layout nicht erhalten. Für eine visuelle Kopie der Seite verwenden Sie PDF in JPG und PNG.