OCR für gescannte PDFs
Einen Scan in Text umwandeln
Keine Datenbank: AIMRAN speichert weder deine Dateien noch Texte oder Ergebnisse
Was ist OCR für gescannte PDFs?
Ein gescanntes PDF ist eigentlich ein Foto jeder Seite: Du kannst weder nach Wörtern suchen noch den Text kopieren. OCR liest diese Bilder und erkennt die Buchstaben, um sie in echten Text umzuwandeln.
Du erhältst den erkannten Text zum Kopieren oder Herunterladen und auf Wunsch ein durchsuchbares PDF: dasselbe Dokument mit demselben Aussehen, in dem du nun mit Strg+F suchen und Text markieren kannst.
So funktioniert es
- Zieh das gescannte PDF hinein.
- Wähle die Sprache des Dokuments: Spanisch, Englisch oder beide.
- Aktiviere „Durchsuchbares PDF erstellen“, wenn du das PDF mit Text möchtest.
- Klicke auf „Text erkennen“ und warte, bis alle Seiten verarbeitet sind.
- Kopiere oder lade den Text herunter und, falls angefordert, das durchsuchbare PDF.
Vorteile
- Macht Scans zu durchsuchbaren PDFs, ohne ihr Aussehen zu verändern.
- Erkennung auf Spanisch, Englisch oder in beiden Sprachen.
- Verarbeitet alle Seiten des Dokuments auf einmal.
- Kostenlos und ohne Anmeldung.
Anwendungsfälle
- Einen Vertrag oder Kaufvertrag, den du nur als Scan hast, mit Strg+F durchsuchbar machen.
- Den Text eines Urteils oder eines Behördenschreibens kopieren, das du nur als eingescannten Ausdruck hast.
- Den Text aus kopierten Vorlesungsunterlagen holen, um ihn in Word zu bearbeiten.
- Einen gescannten englischsprachigen Fachartikel in ein durchsuchbares PDF verwandeln, um Zitate schnell zu finden.
Technische Details
Die Erkennung nutzt tesseract.js mit der LSTM-Engine, automatischer Seitensegmentierung und Beibehaltung der Leerzeichen zwischen Wörtern. Jede Seite wird mit pdf.js mit etwa 300 dpi gerendert, mit maximal 4200 px pro Seite, der für Tesseract empfohlenen Auflösung. Für das durchsuchbare PDF erzeugt Tesseract pro Seite eine unsichtbare Textebene, die mit pdf-lib über die Originalseite gelegt wird, ohne das Bild zu verändern und unter Berücksichtigung seiner Drehung. Die Sprachdaten werden beim ersten Mal heruntergeladen (etwa 2 MB für Spanisch, 3 MB für Englisch und 5 MB für beide). Die Genauigkeit hängt von der Scanqualität ab; Handschrift wird nicht zuverlässig erkannt.
Häufige Fragen
Wie wandle ich ein gescanntes PDF in bearbeitbaren Text um?
Zieh das PDF hinein, wähle die Sprache und klicke auf „Text erkennen“. Kopiere dann den Text oder lade ihn als .txt herunter, um ihn zu bearbeiten.
Was ist ein durchsuchbares PDF?
Ein PDF, das genauso aussieht wie der ursprüngliche Scan, aber den erkannten Text unsichtbar darunter enthält, sodass du nach Wörtern suchen und Passagen kopieren kannst.
Woran erkenne ich, ob mein PDF OCR braucht?
Wenn du den Text nicht mit der Maus markieren kannst oder die Suche nichts findet, ist das PDF gescannt und braucht OCR.
Wie erziele ich bessere Ergebnisse?
Scanne in guter Auflösung, mit geraden, gut ausgeleuchteten Seiten, und wähle die richtige Sprache des Dokuments.
Verwandte Tools
- PDF in Word · Wandelt ein PDF in eine bearbeitbare .docx-Datei mit Formatierung und Bildern um
- Text erkennen (OCR) · Text aus einem Bild auf Spanisch oder Englisch lesen
- Text extrahieren · Den gesamten Text der PDF kopieren
- In PDF suchen · Wörter finden und sehen, auf welcher Seite sie stehen
- Text bereinigen · Leerzeichen, Zeilenumbrüche, Emojis und HTML
- PDF zusammenfügen · Mehrere PDFs kombinieren und Seiten per Drag & Drop sortieren