Scansionare un documento e salvarlo come PDF sembra un problema risolto. Inserisci il foglio, ottieni un file, sembra un normale PDF. Lavoro finito. Solo che non lo è, non proprio. Un PDF scansionato assomiglia a un documento ma si comporta come una fotografia e questa distinzione crea un numero sorprendente di problemi pratici che colgono di sorpresa le persone quando provano effettivamente a lavorare con il file.
L'equivoco fondamentale: sembra testo, non lo è
Quando leggi un documento scansionato sullo schermo, il tuo cervello vede il testo: parole, frasi, paragrafi. Ma il visualizzatore PDF ti mostra un'immagine di testo, non il testo stesso. Ogni lettera è una raccolta di pixel che sembra una lettera. Non ci sono dati sui personaggi sottostanti, nessun contenuto ricercabile, nessuna struttura che il computer possa interpretare.
Un modo rapido per confermarlo: prova a fare clic e trascinare per selezionare una parola nel documento. In un PDF basato su testo, il cursore cambia ed è possibile evidenziare singole parole. Su un PDF scansionato, non succede nulla oppure l'intera pagina viene selezionata come un singolo blocco di immagini. Questa differenza è la causa principale della maggior parte dei problemi che seguono.
Non puoi cercare al suo interno
Premi Ctrl+F in un PDF scansionato e la ricerca non trova nulla oppure cerca il nome del file, non il contenuto. Per un modulo di due pagine questo è un piccolo inconveniente. Per un contratto di 200 pagine, un manuale di 500 pagine o un archivio di dieci anni di fatture, l'impossibilità di effettuare ricerche è una grave limitazione. Devi leggere manualmente l'intero documento per trovare quello che stai cercando.
Questo è risolvibile. L'esecuzione di un PDF scansionato tramite uno strumento OCR PDF converte il contenuto dell'immagine in testo reale e lo incorpora nel file. Dopo l'OCR, il documento è completamente ricercabile: Ctrl+F trova le parole e il file viene visualizzato nelle ricerche del sistema operativo in base al contenuto, non solo al nome file. Lo strumento OCR di WukongPDF su www.wukongpdf.com gestisce tutto questo in un solo passaggio.
Copiare il testo non ti dà nulla di utile
Hai bisogno di inserire una clausola da un contratto scansionato in un'e-mail? O estrarre una tabella di cifre da un rapporto scansionato in un foglio di calcolo? Con un PDF basato su testo, selezioni e copi. Con un PDF scansionato, o non ottieni nulla o ottieni qualunque rudimentale OCR che il tuo visualizzatore PDF esegue al volo, il che è spesso abbastanza impreciso da richiedere una correzione significativa.
Le persone risolvono questo problema riscrivendo manualmente il contenuto, il che è lento e introduce errori. Oppure prendono screenshot del testo e provano a leggerli, il che è imbarazzante. L'esecuzione di un corretto OCR sul documento elimina innanzitutto tutto questo: una volta che il testo è reale, la copia funziona esattamente come previsto.
I PDF scansionati sono sproporzionatamente grandi
Un documento di testo di dieci pagine esportato da Word potrebbe essere di 200 KB. Le stesse dieci pagine scansionate a 300 DPI potrebbero essere 15 MB. Non si tratta di un errore di battitura: i PDF scansionati memorizzano ogni pagina come immagine ad alta risoluzione e i dati dell'immagine sono intrinsecamente molto più pesanti del testo codificato.
Ciò crea problemi pratici: limiti agli allegati e-mail, caricamenti lenti sui portali, costi di archiviazione su larga scala. La soluzione è la compressione: un buon strumento PDF Compression riduce significativamente i PDF scansionati, spesso del 60-80%, mantenendo le immagini leggibili. Per archivi di grandi dimensioni di documenti scansionati, vale la pena eseguire sistematicamente la compressione prima dell'archiviazione.
Sono inaccessibili agli screen reader
I lettori di schermo, software utilizzati da persone con disabilità visive per leggere i documenti ad alta voce, funzionano leggendo il contenuto testuale di un file. Un PDF scansionato non ha contenuto di testo che lo screen reader possa trovare. L'intero documento gli è invisibile. Ciò rende i PDF scansionati un problema significativo di accessibilità in qualsiasi contesto in cui i documenti devono essere utilizzabili da persone con disabilità visive.
Nei contesti professionali e del settore pubblico, questa non è solo una questione di cortesia: i requisiti di conformità in materia di accessibilità in molte giurisdizioni si applicano ai documenti digitali e un PDF di sole immagini non soddisfa tali requisiti. Anche in questo caso l'OCR è la soluzione tecnica: una volta che il testo è reale, gli screen reader possono lavorarci.
La soluzione è più semplice di quanto sembri il problema
Tutti questi problemi (contenuti non ricercabili, testo non copiabile, file di grandi dimensioni, problemi di accessibilità) hanno la stessa causa principale e in gran parte la stessa soluzione. Esegui il PDF scansionato tramite OCR per rendere reale il testo, quindi comprimilo per ridurre le dimensioni del file. Due passaggi e il documento si comporta come un vero e proprio PDF anziché come una fotografia sotto mentite spoglie. Per i documenti con cui dovrai lavorare più di una volta, vale la pena farlo prima che vengano archiviati anziché dopo aver già perso tempo con soluzioni alternative.