So machen Sie eine gescannte PDF mit OCR durchsuchbar

Wie erkennt man, ob eine PDF ein Scan ist?

Versuchen Sie, einen Satz mit der Maus zu markieren, oder suchen Sie ein Wort mit Strg+F (Cmd+F auf dem Mac). Wenn sich nichts markieren lässt und die Suche nichts findet, obwohl das Wort gut sichtbar ist, ist die Seite ein Bild.

Das ist bei eingescannten Dokumenten und bei Fotos der Fall, die in eine PDF umgewandelt wurden.

PDF durchsuchbar machen in 4 Schritten

1. Öffnen Sie das Werkzeug „OCR PDF“ und wählen Sie Ihre gescannte PDF aus.
2. Wählen Sie unter „Sprache des Dokuments“ die Sprache des Textes. „Französisch + Englisch“ eignet sich für Dokumente, in denen beide Sprachen vorkommen.
3. Wählen Sie das Ergebnis: „Durchsuchbare PDF“, um das gleiche Aussehen mit markierbarem Text zu behalten, oder „Textdatei“, um nur den erkannten Text Seite für Seite in einer .txt-Datei zu erhalten.
4. Klicken Sie auf „OCR starten“ und laden Sie dann die Datei herunter. Ihr Name endet auf „_ocr“.

Bei „Durchsuchbare PDF“ bleibt das Bild der Seiten unverändert: Der erkannte Text wird unsichtbar unter jede Zeile gelegt und kann gesucht oder kopiert werden.

So gelingt die Texterkennung

• Gehen Sie von einem scharfen, kontrastreichen Scan aus: Unscharfer oder blasser Text wird schlecht erkannt.
• Drehen Sie auf dem Kopf stehende Seiten mit „PDF drehen“, bevor Sie die OCR starten.
• Wählen Sie die richtige Sprache: Sie verbessert die Erkennung von Akzenten und Umlauten deutlich.
• Lassen Sie die Option „Seiten überspringen, die bereits Text enthalten“ aktiviert: Bei einem gemischten Dokument werden nur die gescannten Seiten verarbeitet.
• Prüfen Sie wichtige Zahlen und Eigennamen: Die OCR kann sich irren und ist für gedruckten statt handgeschriebenen Text ausgelegt.

Wird kein Text erkannt, weist PDFRoll Sie darauf hin: Prüfen Sie dann die gewählte Sprache und die Qualität des Scans.

Vor und nach der OCR

Sie haben Fotos mit dem Handy aufgenommen? Beginnen Sie mit „In PDF scannen“, das den Hintergrund aufhellt und den Text verstärkt, und lassen Sie die entstandene PDF dann durch „OCR PDF“ laufen.

Scans sind oft groß. Wenn die Datei kleiner werden muss, komprimieren Sie sie vor der OCR, am besten mit der Stufe „Empfohlene Komprimierung“: Eine Komprimierung danach könnte die Seiten wieder in Bilder umwandeln und den erkannten Text löschen, und eine zu starke Komprimierung vor der OCR macht die Zeichen unschärfer und damit schlechter erkennbar. Ist der Text erkannt, können Sie ihn mit „PDF in Word“ in einem bearbeitbaren Dokument weiterbearbeiten.

Und der Datenschutz?

Die Texterkennung übernimmt Ihr Browser. Bei der ersten Nutzung wird die Erkennungs-Engine heruntergeladen (einige MB), Ihr Dokument verlässt Ihr Gerät jedoch nie. Rechnen Sie danach mit einigen Sekunden pro Seite, je nach Leistung Ihres Geräts.