Zo gebruik je OCR voor PDF
- 1
Voeg de gescande PDF toe
Sleep een bestand van een scanner of een scan-app op je telefoon hierheen; de tool controleert bij hoeveel pagina's de tekst al selecteerbaar is.
- 2
Kies de talen
Engels is al geselecteerd en de taal van je browser wordt voorgesteld; voeg maximaal vier talen toe die echt in het document voorkomen.
- 3
Stel nauwkeurigheid en pagina's in
Beste leest pagina's op 300 DPI en Sneller op 200 DPI. Beperk de bewerking tot een paginabereik en gebruik Pagina's met tekst overslaan als sommige pagina's al tekst hebben.
- 4
Download de resultaten
Bewaar de doorzoekbare PDF, of download alles wat is herkend als .txt-bestand met een markering vóór elke pagina.
Limieten en Pro
Gratis: PDF's tot 50 MB, OCR op maximaal 200 pagina's per keer en maximaal 4 herkenningstalen tegelijk uit 47 beschikbare talen.
Met Pro verhoog je de limiet naar 5.000 pagina's per keer en bestanden tot 4 GB; de herkenningssnelheid hangt nog steeds af van de processor van je apparaat. Pro bekijken
Over OCR voor PDF
Het resultaat is je originele PDF met een onzichtbare tekstlaag op elke gescande pagina. De scan zelf wordt niet opnieuw gecomprimeerd of getekend, dus hij ziet er precies hetzelfde uit als voorheen. Maar elk herkend woord staat nu op de juiste plek op de pagina: met Ctrl+F vind je het, met klikken en slepen selecteer je het, en kopiëren en plakken levert echte tekst op. Pagina's worden weergegeven op 300 DPI (200 in de modus Sneller) en gelezen door Tesseract, de open-source OCR-engine, die als WebAssembly in je browser draait. Meerdere pagina's worden tegelijk verwerkt en je ziet bij elke pagina een statusregel.
Pagina's die zijwaarts of ondersteboven zijn gescand, worden herkend en in de juiste stand gelezen. Pagina's met al selecteerbare tekst kun je overslaan, zodat gemengde documenten niet dubbel worden verwerkt. De tekstlaag wordt opgeslagen als Unicode, dus resultaten in Cyrillisch, Grieks, Arabisch, Hebreeuws, Hindi, Thais, Chinees, Japans en Koreaans zijn net zo goed te doorzoeken en te kopiëren als Latijns schrift. Een export naar platte tekst verzamelt alles wat is herkend, pagina voor pagina.
Typische toepassingen: gearchiveerde brieven en contracten doorzoekbaar maken, cijfers uit een gescande factuur halen, een scan voorbereiden op conversie naar Word, of gebruikers van schermlezers tekst geven die ze kunnen beluisteren.
De nauwkeurigheid hangt af van de scan. Schone gedrukte tekst op 300 DPI wordt meestal bijna foutloos gelezen; handschrift, foto's met weinig contrast, sierlijke lettertypen, heel kleine letters en pagina's die onder een scherpe hoek zijn gefotografeerd geven meer fouten. Sterk scheve pagina's worden niet rechtgetrokken, en de engine leest woorden in plaats van opmaak, dus kolommen en tabellen komen in de export als gewone tekstregels te staan.
Privacy
Gescande pagina's worden in dit browsertabblad weergegeven en herkend door Tesseract, gecompileerd naar WebAssembly; noch de PDF noch de herkende tekst wordt naar een server gestuurd. De engine en de taalbestanden die je kiest, elk 2 tot 15 MB, worden eenmalig van een openbaar CDN gedownload en door je browser in de cache bewaard.
Functies
Zoeken en kopiëren
Herkende woorden staan over de scan heen, dus zoeken, selecteren en kopiëren werken in Acrobat, Preview, Chrome en andere lezers.
Scankwaliteit blijft intact
Er komt alleen een onzichtbare laag bij, zodat stempels, handtekeningen en foto's hun originele scherpte houden en het bestand nauwelijks groter wordt.
47 talen
Van Engels, Spaans en Duits tot Arabisch, Hindi, Chinees, Japans en Koreaans, te combineren tot vier tegelijk.
Gedraaide pagina's
Een zijwaartse of ondersteboven staande pagina wordt in elke stand opnieuw geprobeerd en de beste lezing blijft over.
Gemengde documenten
Pagina's met een bestaande tekstlaag blijven met rust, wat tijd scheelt bij PDF's die maar deels gescand zijn.