Ein gescanntes Dokument kommt als PDF an. Es sieht aus wie ein Dokument. Es zeigt Text auf jeder Seite an. Wenn Sie jedoch versuchen, nach einem Wort zu suchen, liefert die Suche keine Ergebnisse. Wenn Sie versuchen, Text mit dem Cursor auszuwählen, wird nichts hervorgehoben. Das PDF ist eine reine Bilddatei. Jede Seite ist ein Foto des Textes, nicht des Textes selbst. Die Konvertierung dieser reinen Bild-PDF-Datei in ein vollständig durchsuchbares Textdokument erfordert zwei Schritte: OCR zum Extrahieren des Textes aus den Bildern und Konvertierung in ein Format, in dem der Text primär und die Bilder sekundär sind.
Browserbasierte OCR-Tools können reine Bild-PDFs verarbeiten und hinter jedem Seitenbild eine durchsuchbare Textebene hinzufügen. Das optische Erscheinungsbild der Seiten ändert sich nicht. Die Textebene ist unsichtbar, bis Sie sie auswählen oder danach suchen. Nach der OCR ist das PDF durchsuchbar. Durch die Konvertierung der OCR-Ausgabe in ein Textdokumentformat wie Word kann der Text bearbeitet und wiederverwendet werden.
Die Pipeline für durchsuchbaren Text OCR PDF wandelt eine Sammlung von Seitenbildern in ein Dokument um, das sich so verhält, als wäre es digital erstellt worden. Der Text ist durchsuchbar, auswählbar und exportierbar.
Der zweistufige Konvertierungsprozess
Schritt eins: Laden Sie das reine Bild-PDF in ein OCR-Tool hoch. Das Tool analysiert jedes Seitenbild, erkennt die Zeichen und fügt eine transparente Textebene hinzu. Laden Sie das OCR-verarbeitete PDF herunter. Stellen Sie sicher, dass der Text jetzt durchsuchbar ist. Schritt zwei: Konvertieren Sie das OCR-verarbeitete PDF in das Word- oder Nur-Text-Format. Die Konvertierung extrahiert den erkannten Text und platziert ihn in einem bearbeitbaren Dokument. Die resultierende Word-Datei enthält den Dokumenttext, der zur Bearbeitung, Formatierung und Wiederverwendung bereit ist.
WukongPDF OCR-Tools fügen durchsuchbare Textebenen hinzu. Der PDF-Konverter von OCR-verarbeitetem PDF nach Word erzeugt bearbeitbaren Text aus Nur-Bild-Originalen.
Probieren Sie PDF-OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.
Verwalten der OCR-Genauigkeit für Nur-Bild-PDFs
Die OCR-Genauigkeit hängt von der Bildqualität ab. Ein sauberer 300-DPI-Scan des gedruckten Textes führt zu einer nahezu perfekten Erkennung. Ein Scan oder ein Foto eines Dokuments mit niedriger Auflösung führt zu mehr Fehlern. Testen Sie eine Seite, bevor Sie eine große, nur aus Bildern bestehende PDF-Datei konvertieren. Führen Sie OCR auf der Seite aus und überprüfen Sie die Ausgabe. Wenn die Genauigkeit akzeptabel ist, verarbeiten Sie das gesamte Dokument. Wenn die Genauigkeit schlecht ist, verbessern Sie die Scanqualität und verarbeiten Sie den Scan erneut.
Das Gescannte PDF, das mit OCR bearbeitet und in Text umgewandelt wurde, ist durchsuchbar, bearbeitbar und wiederverwendbar. Das reine Bildoriginal hat seinen Zweck erfüllt. Die durchsuchbare Version dient ihrer Zukunft.
Wählen Sie zwischen durchsuchbarem PDF und Volltextkonvertierung
Eine durchsuchbare PDF-Datei behält die ursprünglichen Seitenbilder mit einer hinzugefügten Textebene bei. Das optische Erscheinungsbild bleibt unverändert. Das Dokument ist durchsuchbar, aber nicht bearbeitbar. Dies ist für Archiv- und Referenzdokumente geeignet. Bei der Volltextkonvertierung in Word werden die Seitenbilder durch bearbeitbaren Text ersetzt. Das optische Erscheinungsbild verändert sich. Das Dokument ist sowohl durchsuchbar als auch bearbeitbar. Dies ist für Dokumente geeignet, deren Inhalt wiederverwendet wird.
Die PDF-zu-Word-Konvertierung von der OCR-Ausgabe ist der Weg zur Bearbeitbarkeit. Das durchsuchbare PDF ist der Weg zur Durchsuchbarkeit. Wählen Sie das Ausgabeformat, das der Verwendung des Dokuments entspricht.
Beibehaltung der Originalseitenbilder in der Ausgabe
Einige Arbeitsabläufe erfordern sowohl die Originalseitenbilder als auch den durchsuchbaren Text. Die Ausgabe sollte wie der Originalscan aussehen und gleichzeitig durchsuchbar sein. Dies ist das Standardverhalten von OCR-Tools, die eine Textebene hinter den Bildern hinzufügen. Das optische Erscheinungsbild bleibt unverändert. Die Textfunktionalität wurde hinzugefügt.
Die Gescannte PDF mit OCR-Textebene bewahrt sowohl das ursprüngliche Erscheinungsbild als auch die Durchsuchbarkeit. Das Dokument dient sowohl visuellen als auch funktionalen Zwecken.
Auswählen der OCR-Spracheinstellungen für mehrsprachige Nur-Bild-PDFs
Wenn das reine Bild-PDF mehrere Sprachen enthält, wählen Sie in den OCR-Einstellungen alle anwendbaren Sprachen aus. Bei einer Einstellung nur auf Englisch wird nicht-englischer Text verstümmelt. Eine mehrsprachige Einstellung wendet das entsprechende Erkennungsmodell auf jeden Textbereich an. Die Sprachauswahl wirkt sich direkt auf die OCR-Genauigkeit aus.
Die OCR PDF Spracheinstellung für mehrsprachige Nur-Bild-PDFs sollte jede Sprache umfassen, die im Dokument erscheint. Das Fehlen einer Sprache führt zu einer verstümmelten Ausgabe des Sprachtexts.
Vergleich der OCR-Genauigkeit über mehrere Engines hinweg
Verschiedene OCR-Engines führen zu unterschiedlichen Ergebnissen bei derselben Nur-Bild-PDF. Führen Sie bei kritischen Dokumenten dieselbe Datei durch zwei verschiedene OCR-Engines aus und vergleichen Sie die Ausgabe. Verwenden Sie das genauere Ergebnis. Der Vergleich nimmt mehr Zeit in Anspruch, liefert aber die bestmögliche Textqualität.
Der zweimotorige Ansatz OCR PDF eignet sich für Dokumente, bei denen die Textgenauigkeit von entscheidender Bedeutung ist. Durch den Vergleich wird ermittelt, welche Engine die spezifischen Dokumentmerkmale besser verarbeitet.
Hinzufügen von Metadaten zur durchsuchbaren Ausgabe
Fügen Sie nach der Konvertierung in durchsuchbaren Text Metadaten zur Ausgabedatei hinzu. Titel, Autor, Betreff und Schlüsselwörter machen das Dokument in Suchsystemen auffindbar. Die Metadaten sollten den Dokumentinhalt beschreiben, nicht den Konvertierungsprozess. Die ursprüngliche PDF-Datei, die nur aus Bildern bestand, enthielt nur minimale Metadaten. Die durchsuchbare Version sollte vollständig beschrieben sein.
Die Metadatenanreicherung Gescanntes PDF ist der letzte Schritt im Konvertierungsworkflow. Ein durchsuchbares Dokument mit guten Metadaten ist sowohl auffindbar als auch nutzbar.
Erstellen einer Hybridausgabe mit durchsuchbarem Text und Originalbildern
Erstellen Sie zu Archivierungszwecken ein Hybrid-PDF, das sowohl die Originalseitenbilder als auch die durchsuchbare Textebene enthält. Das Dokument sieht genauso aus wie der Originalscan. Die Textebene ermöglicht das Suchen und Auswählen, ohne das visuelle Erscheinungsbild zu verändern. Dies ist die Standardausgabe der OCR-Verarbeitung und das beste Format für Dokumente, die ihr ursprüngliches Aussehen beibehalten müssen.
Die Hybridausgabe Gescanntes PDF dient sowohl der Erhaltung als auch der Benutzerfreundlichkeit. Die Bilder bewahren das Original. Der Text ermöglicht moderne Dokumentenfunktionalität.
Konvertieren von durchsuchbarem Text zurück in PDF zur Verteilung
Nachdem Sie den extrahierten Text in Word bearbeitet haben, konvertieren Sie ihn zur Verteilung zurück in PDF. Das neue PDF ist vollständig digital und weist keine Bildartefakte auf. Sie ist kleiner, übersichtlicher und besser zugänglich als die ursprüngliche Nur-Bilddatei. Die Konvertierung zurück in PDF vervollständigt die Transformation von reinen Bildern hin zu vollständig digital.
Der PDF-Konverter von reinem Bild über bearbeitbaren Text bis hin zu bereinigtem digitalem PDF ist ein Workflow zur Dokumentenmodernisierung. Der Inhalt bleibt erhalten. Das Format wurde aktualisiert.
Probieren Sie PDF-OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.