Sie haben ein durchsuchbares PDF. Sie konvertieren es in Word, um Änderungen vorzunehmen. Sie speichern das bearbeitete Dokument wieder als PDF. Das neue PDF sieht genauso aus wie das Original, aber wenn Sie nach einem Wort suchen, von dem Sie wissen, dass es im Dokument vorkommt, liefert die Suche keine Ergebnisse. Der Text, der im ursprünglichen PDF durchsuchbar war, ist für die Suchfunktion im neuen PDF unsichtbar. Durch den Rundgang durch Word wurde die Durchsuchbarkeit des Textes beeinträchtigt.
Die PDF-zu-Word-Konvertierung, gefolgt von der Word-zu-PDF-Rückkonvertierung, ist ein üblicher Arbeitsablauf zum Bearbeiten von PDFs, aber jeder Konvertierungsschritt birgt Möglichkeiten für eine Beschädigung der Textebene. Der Text, der im PDF-Format zurückkommt, wird möglicherweise anders als das Original gespeichert, als Vektorkonturen anstelle von Zeichencodes gespeichert oder in Bilder gerastert. Jedes dieser Ergebnisse erzeugt ein PDF, in dem der Text sichtbar, aber nicht durchsuchbar ist.
Wie Text während der Formatkonvertierung überlebt oder verloren geht
Im durchsuchbaren Original-PDF wird der Text als Zeichencodes gespeichert, die Schriftartglyphen zugeordnet sind. Das Zeichen H wird als ASCII-Code 72 gespeichert, der den PDF-Reader anweist, das Glyph für H aus der eingebetteten Schriftart anzuzeigen. Die Suchfunktion scannt die Zeichencodes nach dem Suchbegriff und markiert die entsprechenden Positionen auf der Seite. Diese auf Zeichencodes basierende Speicherung macht Text durchsuchbar.
Wenn das PDF in Word konvertiert wird, extrahiert der Konverter die Zeichencodes und schreibt sie als bearbeitbaren Text in das Word-Dokument. Der Text in Word ist durchsuchbar, da Word ihn als Unicode-Zeichencodes speichert. Bei der Konvertierung von PDF nach Word bleibt die Durchsuchbarkeit erhalten, solange der Konverter die Zeichencodes korrekt extrahiert.
Wenn das bearbeitete Word-Dokument wieder als PDF gespeichert wird, muss die Word PDF-Engine entscheiden, wie der Text gespeichert wird. In den Standardeinstellungen wird Text als Zeichencode mit eingebetteten Schriftarten gespeichert, um die Durchsuchbarkeit zu gewährleisten. Bestimmte Word-Funktionen und PDF-Einstellungen führen jedoch dazu, dass Text als Vektorkonturen gespeichert oder als Bilder gerastert wird.
Texteffekte in Word, wie Textschatten, Reflexionen, Leuchten und 3D-Rotation, bewirken, dass die Word-PDF-Engine den betroffenen Text in Bilder umwandelt. Der Text sieht optisch korrekt aus, enthält jedoch keine Zeichencodes, die von der Suchfunktion gefunden werden könnten. Die Eigenschaft PDF Searchable geht für jeden Text mit angewendeten visuellen Effekten verloren.
Versuchen Sie es mit PDF zu Word
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.
So bewahren Sie die Durchsuchbarkeit von Text durch den Round-Trip
Bevor Sie das bearbeitete Word-Dokument als PDF speichern, überprüfen Sie die Speichereinstellungen. Öffnen Sie in Word „Datei“, „Optionen“, „Speichern“ und stellen Sie sicher, dass „Schriftarten in die Datei einbetten“ aktiviert ist. Diese Einstellung stellt sicher, dass Schriftarten als zeichenbasierter Text eingebettet und nicht in Konturen oder Bilder umgewandelt werden.
Vermeiden Sie die Anwendung von Texteffekten auf Inhalte, die durchsuchbar bleiben müssen. Verwenden Sie Fett-, Kursiv- und Farbformatierung anstelle von Schatten-, Reflexions- und Leuchteffekten. Die visuelle Unterscheidung kann ohne Einbußen bei der Durchsuchbarkeit erreicht werden.
WukongPDF bietet PDF-Konverter Tools, die PDFs verarbeiten können, um die Textspeicherung zu optimieren. Wenn eine PDF-Datei mit nicht durchsuchbarem Text erstellt wurde, kann OCR hinter dem vorhandenen visuellen Inhalt eine durchsuchbare Textebene hinzufügen.
Überprüfung der Durchsuchbarkeit nach der Rückkonvertierung
Nachdem Sie das Word-Dokument als PDF gespeichert haben, öffnen Sie das PDF und testen Sie die Suchfunktion. Suchen Sie nach einem Wort, das auf jeder Seite erscheint. Wenn eine Seite für ein sichtbar vorhandenes Wort keine Ergebnisse liefert, enthält diese Seite nicht durchsuchbaren Text. Der Suchtest dauert nur wenige Sekunden und erkennt Verluste bei der Durchsuchbarkeit, bevor das Dokument verteilt wird.
Wenn die Durchsuchbarkeit verloren gegangen ist, führen Sie OCR für die erneut konvertierte PDF-Datei aus, um eine durchsuchbare Textebene hinzuzufügen. Die OCR erkennt den sichtbaren Text und erstellt dahinter Zeichencodes. Die Suchfunktion kann dann den Text anhand der OCR-generierten Zeichencodes finden. Hierbei handelt es sich um eine Post-hoc-Behebung, nicht um eine Vorbeugung, aber sie stellt die Durchsuchbarkeit einer nicht durchsuchbaren PDF-Datei wieder her.
Vermeiden Sie bei Dokumenten, die eine garantierte Durchsuchbarkeit erfordern, den Umweg von PDF zu Word zu PDF vollständig. Bearbeiten Sie das ursprüngliche Quelldokument, die Word-Datei, die InDesign-Datei und das Google-Dokument und exportieren Sie ein neues PDF. Durch den einmaligen Export von der Quelle ins PDF bleibt die Durchsuchbarkeit ohne Zwischenkonvertierungsschritte erhalten.
Der Word-Kompatibilitätsmodus wirkt sich auf die PDF-Ausgabe aus. Dokumente, die im älteren DOC-Format statt im DOCX-Format gespeichert wurden, verwenden möglicherweise andere Textspeichermethoden, die sich auf die Durchsuchbarkeit von PDFs auswirken. Speichern Sie Dokumente im aktuellen DOCX-Format, bevor Sie sie in PDF exportieren.
Text in Word-Textfeldern kann je nach Formatierung des Textfelds beim PDF-Export gerastert werden. Textfelder mit Fülleffekten, Drehung oder Änderungen der Textrichtung werden eher gerastert als einfache Textfelder.
Wenn Text während des PDF-Exports gerastert wird, wird er zu einem Textbild und nicht zu codiertem Text. Das Bild wird korrekt angezeigt, aber die Zeichen sind Pixel, keine Codes. OCR kann den Text wiederherstellen, der OCR-Text kann jedoch Erkennungsfehler enthalten.
Die PDF-Exportoptionen in Word umfassen eine Einstellung für Bitmap-Text, wenn Schriftarten nicht eingebettet werden dürfen. Diese Einstellung rastern Text, der Schriftarten mit Einbettungsbeschränkungen verwendet. Wenn Sie sicherstellen, dass alle Schriftarten das Einbetten zulassen, wird diese erzwungene Rasterung verhindert.
Vergleichen Sie nach der Roundtrip-Konvertierung die Dateigröße der Original-PDF-Datei und der erneut konvertierten PDF-Datei. Eine deutlich größere, erneut konvertierte PDF-Datei weist möglicherweise darauf hin, dass Text in Bilder gerastert wurde, die mehr Speicherplatz beanspruchen als codierter Text.
Einige PDF-zu-Word-Konverter bieten einen OCR-basierten Konvertierungsmodus für gescannte PDFs und einen Textextraktionsmodus für digitale PDFs. Die Verwendung des falschen Modus führt zu unerwarteten Ergebnissen. Digitale PDFs sollten Textextraktion und nicht OCR verwenden, um die ursprüngliche Zeichenkodierung beizubehalten.
Wenn die Durchsuchbarkeit von Text verloren geht, gibt die Suchfunktion im PDF-Viewer keine Ergebnisse für Wörter zurück, die sichtbar vorhanden sind. Durch die Suche nach gebräuchlichen Wörtern wie „oder“ auf jeder Seite lässt sich schnell feststellen, ob das gesamte Dokument über durchsuchbaren Text verfügt.
Für Dokumente, die über mehrere Bearbeitungszyklen hinweg durchsuchbar bleiben müssen, erstellen Sie ein Masterdokument in einem bearbeitbaren Format, Word, Google Docs oder InDesign, und behandeln Sie die PDF-Datei als schreibgeschütztes Verteilungsformat. Alle Bearbeitungen erfolgen im Master und die PDF-Datei wird nach jedem Bearbeitungszyklus vom Master neu generiert.
Barrierefreiheitsprüfer können die Durchsuchbarkeit von Text überprüfen und Seiten mit nicht durchsuchbarem Text identifizieren. Führen Sie eine Barrierefreiheitsprüfung der erneut konvertierten PDF-Datei durch, um sicherzustellen, dass der gesamte Text codiert und barrierefrei ist.
Der PDF/UA-Standard verlangt, dass der gesamte Text als Unicode-Zeichen kodiert wird, um die Durchsuchbarkeit und den Zugriff mit Bildschirmleseprogrammen zu gewährleisten. Beim Exportieren nach PDF/UA aus Word werden Anforderungen an die Textkodierung erzwungen, die die Durchsuchbarkeit gewährleisten.
Die Wahl des PDF-zu-Word-Konverters wirkt sich auf die Texterhaltung aus. Konverter, die der visuellen Wiedergabetreue Vorrang vor der Textbearbeitbarkeit geben, rastern möglicherweise Text, der ungewöhnliche Schriftarten oder Positionierungen verwendet. Konverter, die der Textbearbeitbarkeit Priorität einräumen, können eine besser durchsuchbare Ausgabe erzeugen.
Wenn Text als Ligaturen (fi, fl, ffi) in der PDF-Datei gespeichert wird, teilt der Konverter die Ligatur möglicherweise in einzelne Zeichen auf oder behält sie als einzelnes Zeichen bei. Das Verhalten der Suchfunktion hängt davon ab, wie die Ligatur bei der Konvertierung behandelt wurde.
Verhinderung des Verlusts der Auffindbarkeit bei zukünftigen Konvertierungen
Text, der ursprünglich im Quell-PDF vektorbasiert war, kann beim Word-zu-PDF-Export in Rasterbilder konvertiert werden, wenn das Word-Dokument Funktionen wie WordArt, SmartArt oder eingebettete Excel-Diagramme verwendet. Diese Features werden als Bilder in der PDF-Ausgabe gerendert.
Zu den PDF-Erstellungseinstellungen in Word gehört eine Option zum Erstellen von Lesezeichen aus Überschriften. Diese Option behält die Dokumentstruktur bei, hat jedoch keinen Einfluss auf die Durchsuchbarkeit des Textes. Lesezeichen und Durchsuchbarkeit sind unabhängige Funktionen.
Wenn Sie die Durchsuchbarkeit testen, indem Sie nach einem Wort suchen, das auf jeder Seite vorkommt, beispielsweise einem gebräuchlichen Wort in der Dokumentsprache, werden Seiten mit nicht durchsuchbarem Text schnell identifiziert. Wenn eine Seite keine Ergebnisse für ein häufig vorkommendes Wort zurückgibt, liegt auf dieser Seite ein Problem mit der Textkodierung vor.
Das Verständnis der Bedingungen, unter denen die Durchsuchbarkeit von Text während des PDF-zu-Word-zu-PDF-Roundtrips verloren geht, ermöglicht es Dokumenterstellern, fundierte Entscheidungen über ihren Bearbeitungsworkflow zu treffen und die Zugänglichkeit und Auffindbarkeit ihrer Inhalte zu wahren.
Um die Durchsuchbarkeit von Text durch den PDF-zu-Word-zu-PDF-Roundtrip zu gewährleisten, müssen Sie bei jedem Schritt auf die Konvertierungseinstellungen achten und verstehen, welche Word-Funktionen dazu führen, dass Text gerastert und nicht als Zeichen codiert wird.
Für Dokumente, bei denen die Durchsuchbarkeit von Text erforderlich ist, ist die Einrichtung eines Workflows, der den ursprünglich codierten Text bei jeder Formatkonvertierung beibehält, effizienter als der Versuch, die Durchsuchbarkeit wiederherzustellen, nachdem er verloren gegangen ist.
Die Durchsuchbarkeit von Text ist eine Funktion, die Benutzer für selbstverständlich halten, bis sie fehlt, und die Wiederherstellung der Durchsuchbarkeit in einer nicht durchsuchbaren PDF-Datei erfordert entweder eine erneute Verarbeitung der Originalquelle oder die Ausführung von OCR auf den betroffenen Seiten, um die Textebene neu zu erstellen.
Der PDF-zu-Word-zu-PDF-Roundtrip ist ein gängiger Bearbeitungsworkflow, der mehrere Möglichkeiten für eine Verschlechterung oder einen Verlust der Textkodierung mit sich bringt. Das Verständnis jedes Risikopunkts hilft Benutzern, die Durchsuchbarkeit während des Prozesses aufrechtzuerhalten.
Die Durchsuchbarkeit von Text ist kein kosmetisches Merkmal, sondern eine grundlegende Dokumentfunktion, die sich auf die Zugänglichkeit, Auffindbarkeit und die Fähigkeit auswirkt, Inhalte für andere Zwecke zu extrahieren und wiederzuverwenden.
Die Wahl des PDF-zu-Word-Konverters wirkt sich erheblich auf das Ergebnis des Roundtrips aus, da Konverter, die für die Textbearbeitbarkeit optimiert sind, eine durchsuchbarere Ausgabe erzeugen als solche, die für visuelle Wiedergabetreue optimiert sind.
Wenn die Durchsuchbarkeit während des Hin- und Rücklaufs verloren geht, kann OCR eine durchsuchbare Textebene wiederherstellen, der OCR-Text enthält jedoch Erkennungsfehler, die korrigiert werden müssen, damit das Dokument vollständig zuverlässig ist.
Bei Dokumenten, bei denen Durchsuchbarkeit erforderlich ist, ist die Beibehaltung der ursprünglichen Quelldatei und der Export neuer PDFs nach jedem Bearbeitungszyklus zuverlässiger als ein Roundtrip über Word.
Das PDF-Format bewahrt Text auf eine grundlegend andere Art und Weise als Textverarbeitungsformate, und jede Übersetzung zwischen diesen Darstellungen birgt das Risiko eines Informationsverlusts bei der Textkodierung.
| Hin- und Rückfahrt | Suchbarkeitsrisiko | Abhilfe |
|---|---|---|
| PDF zu Word (Extraktion) | Niedrig, wenn ein Textextraktionskonverter verwendet wird | Verwenden Sie den Konverter mit Textextraktionsmodus |
| Bearbeiten in Word | Keiner; Word-Text ist immer durchsuchbar | Vermeiden Sie Texteffekte (Schatten, Leuchten, 3D) |
| Word in PDF (Export) | Medium; Effekte verursachen eine Rasterung | Schriftarten einbetten; Vermeiden Sie Auswirkungen auf durchsuchbaren Text |
| Überprüfung nach dem Export | N / A | Suchen Sie auf jeder Seite nach gebräuchlichen Wörtern |
Versuchen Sie es mit PDF zu Word
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.