OCR PDF – gescanntes PDF durchsuchbar machen

So machen Sie ein gescanntes PDF mit OCR durchsuchbar

1. 1

   Gescanntes PDF hochladen

   Ein Dokument, das in Wahrheit nur ein Bild von Text ist – bis 300 MB und 500 Seiten.

2. 2

   Sprache des Dokuments wählen

   Wählen Sie bis zu drei Sprachen, wenn das Dokument mehrere enthält, und entscheiden Sie, ob Seiten mit vorhandenem Text übersprungen werden.

3. 3

   Durchsuchbares PDF herunterladen

   Dieselben Seiten in derselben Reihenfolge – nur lässt sich der Text jetzt markieren, kopieren und mit Ctrl+F finden.

Das Bild bleibt, darunter kommt eine Textebene

OCR macht aus Ihrem Scan keine andere Art von Dokument. Die Texterkennung liest die Wörter auf jeder Seite und legt eine unsichtbare, genau positionierte Textebene hinter das Bild, das Sie bereits sehen. Das Ergebnis sieht aus wie das Original – nur kommen schiefe Seiten begradigt zurück (siehe unten), der Text lässt sich markieren, und eine Suchmaschine, ein Screenreader oder Ihr eigenes Ctrl+F können ihn lesen. An Seitenanzahl und Reihenfolge ändert sich nichts.

Drei Modi für drei Situationen

Standard und sicherste Wahl ist „Vorhandenen Text überspringen“: Seiten, die schon eine Textebene haben, bleiben unberührt, erkannt werden nur reine Bildseiten. „OCR wiederholen“ ersetzt eine vorhandene Textebene – hilfreich, wenn ein früherer OCR-Durchlauf schlecht gearbeitet hat. Mit dem Begradigen lässt sich dieser Modus nicht kombinieren: Schalten Sie vorher unter „Weitere Einstellungen“ die Option „Schiefe Seiten begradigen“ aus. „OCR erzwingen“ ignoriert vorhandenen Text und erkennt jede Seite neu als Bild. Das ist wichtig, wenn eine Textebene zwar existiert, aber falsch, verstümmelt oder der Rest einer fehlerhaften Erkennung ist.

Vor der Erkennung: begradigen, drehen, bereinigen

Ein leicht schräg fotografierter oder auf dem Kopf stehender Scan verschlechtert die Erkennung deutlich. Deshalb laufen Begradigen und automatisches Drehen standardmäßig, bevor Tesseract die Seite überhaupt sieht, und die begradigte Seite landet im Ergebnis. Schalten Sie beides unter „Weitere Einstellungen“ aus, wenn jede Seite genau so bleiben soll, wie sie war. Für Scans mit sichtbarer Papierstruktur oder durchscheinender Rückseite gibt es zusätzlich „Hintergrund bereinigen“ – die Verarbeitung dauert dann etwas länger.

Häufige Fragen

Anleitungen

• Ein gescanntes Buch komprimieren: Was jede Stufe mit 60 Seiten machtIn einem Forum fragte jemand, wie sich der Scan eines Buchs mit 580 Seiten verkleinern lässt, ohne dass der Text leidet. Wir haben einen Scan mit 60 Seiten durch jede Stufe von „PDF komprimieren“ geschickt und Pixel, Größen und Wörter geprüft.
• PDF in Word auf dem Mac ohne Acrobat: drei Wege und was jeweils erhalten bleibtAuf dem Mac kopiert die Vorschau Text, und Pages kann kein PDF öffnen, deshalb endet der eingebaute Weg bei Kopieren und Einfügen. Hier lesen Sie, was bei jedem Weg erhalten bleibt, von der Umwandlung in Word selbst bis zu einem Online-Tool, das die Datei auf unserem Server als DOCX neu aufbaut.
• Aus einem Stapel gescannter Seiten ein durchsuchbares PDF machenEine Smartphone-Kamera und ein Flachbettscanner lösen zwei verschiedene Probleme – und keines der beiden Geräte macht das Ergebnis von sich aus durchsuchbar.
• Aus einem Stapel Fotos ein PDF in der richtigen Reihenfolge machenAus einem Ordner fotografierter Belege oder Seiten wird in zwei getrennten Schritten ein brauchbares Dokument: erst zusammenstellen, dann die richtige Reihenfolge herstellen.
• Eine Verarbeitungskette für Dateien, die sich immer wieder nutzen lässtDie meisten echten Aufgaben mit Dokumenten brauchen drei oder vier verschiedene Tools in einer bestimmten Reihenfolge. Wird das jedes Mal aus dem Gedächtnis erledigt, fällt irgendwann ein Schritt weg.
• Warum ein repariertes PDF die PDF/A-Validierung trotzdem nicht immer bestehtEin PDF reparieren, das sich nicht öffnen lässt, und es archivtauglich machen – das sind zwei völlig verschiedene Standards. Besteht eine Datei den einen, sagt das über den anderen nichts aus.
• PDF in Word und zurück: Was die Umwandlung überstehtEin PDF in Word umzuwandeln und Word in ein PDF umzuwandeln sind keine Spiegelbilder desselben Vorgangs. Die eine Richtung muss raten, die andere nicht.