So verwenden Sie PDF-Texterkennung (OCR)
- 1
Gescannte PDF-Datei hinzufügen
Ziehen Sie eine Datei von einem Scanner oder aus einer Scan-App auf Ihrem Smartphone hierher. Das Tool prüft, wie viele Seiten bereits auswählbaren Text enthalten.
- 2
Sprachen auswählen
Englisch ist vorausgewählt und die Sprache Ihres Browsers wird vorgeschlagen. Fügen Sie bis zu vier Sprachen hinzu, die im Dokument tatsächlich vorkommen.
- 3
Genauigkeit und Seiten festlegen
Beste liest Seiten mit 300 DPI, Schneller mit 200 DPI. Beschränken Sie den Durchlauf auf einen Seitenbereich und aktivieren Sie bei Bedarf „Seiten mit vorhandenem Text überspringen“.
- 4
Ergebnisse herunterladen
Speichern Sie die durchsuchbare PDF-Datei oder laden Sie alles Erkannte als .txt-Datei herunter, mit einer Markierung vor jeder Seite.
Limits und Pro
Kostenlos: PDF-Dateien bis 50 MB, OCR für bis zu 200 Seiten pro Durchlauf und bis zu 4 Erkennungssprachen gleichzeitig aus 47 verfügbaren.
Pro erhöht das Limit auf 5.000 Seiten pro Durchlauf und Dateien bis 4 GB. Die Erkennungsgeschwindigkeit hängt weiterhin vom Prozessor Ihres Geräts ab. Pro ansehen
Über PDF-Texterkennung (OCR)
Das Ergebnis ist Ihre ursprüngliche PDF-Datei, ergänzt um eine unsichtbare Textebene auf jeder gescannten Seite. Der Scan selbst wird weder neu komprimiert noch neu gezeichnet und sieht daher genau aus wie zuvor. Jedes erkannte Wort liegt jedoch an seiner Position auf der Seite: Mit Strg+F finden Sie es, mit Klicken und Ziehen markieren Sie es, und durch Kopieren und Einfügen erhalten Sie echten Text. Die Seiten werden mit 300 DPI (im Modus Schneller mit 200 DPI) gerendert und von Tesseract gelesen, der quelloffenen OCR-Engine, die als WebAssembly in Ihrem Browser läuft. Mehrere Seiten werden parallel verarbeitet, und für jede gibt es eine Statuszeile.
Seitlich oder auf dem Kopf eingescannte Seiten werden erkannt und richtig herum gelesen. Seiten mit bereits auswählbarem Text lassen sich überspringen, damit gemischte Dokumente nicht doppelt verarbeitet werden. Die Textebene wird als Unicode gespeichert, sodass sich Ergebnisse in kyrillischer, griechischer, arabischer, hebräischer, Hindi-, Thai-, chinesischer, japanischer und koreanischer Schrift genauso durchsuchen und kopieren lassen wie lateinische Schrift. Ein Nur-Text-Export sammelt alles Erkannte Seite für Seite.
Typische Einsatzzwecke: archivierte Briefe und Verträge durchsuchbar machen, Zahlen aus einer gescannten Rechnung übernehmen, einen Scan für die Umwandlung in Word vorbereiten oder Screenreader-Nutzenden Text zum Anhören bereitstellen.
Die Genauigkeit hängt vom Scan ab. Sauberer Drucktext mit 300 DPI wird meist nahezu perfekt gelesen. Handschrift, kontrastarme Fotos, Zierschriften, sehr kleine Schrift und in steilem Winkel fotografierte Seiten führen zu mehr Fehlern. Stark schiefe Seiten werden nicht begradigt, und die Engine liest Wörter statt Layout. Spalten und Tabellen erscheinen im Export daher als einfache Textzeilen.
Datenschutz
Gescannte Seiten werden in diesem Browser-Tab von Tesseract, kompiliert als WebAssembly, gerendert und erkannt. Weder die PDF-Datei noch der erkannte Text wird an einen Server gesendet. Die Engine und die gewählten Sprachdateien, je 2 bis 15 MB, werden einmalig von einem öffentlichen CDN heruntergeladen und von Ihrem Browser zwischengespeichert.
Funktionen
Suchen und kopieren
Erkannte Wörter liegen über dem Scan, sodass Suchen, Markieren und Kopieren in Acrobat, Vorschau, Chrome und anderen Readern funktionieren.
Scanqualität bleibt erhalten
Es wird nur eine unsichtbare Ebene hinzugefügt. Stempel, Unterschriften und Fotos behalten ihre ursprüngliche Schärfe, und die Dateigröße wächst kaum.
47 Sprachen
Von Englisch, Spanisch und Deutsch bis Arabisch, Hindi, Chinesisch, Japanisch und Koreanisch, kombinierbar bis zu vier gleichzeitig.
Gedrehte Seiten
Eine seitlich oder auf dem Kopf liegende Seite wird in jeder Ausrichtung erneut gelesen und das beste Ergebnis übernommen.
Gemischte Dokumente
Seiten mit vorhandener Textebene bleiben unberührt. Das spart Zeit bei PDF-Dateien, die nur teilweise gescannt sind.