Met een doorzoekbare PDF kunt u woorden vinden met Ctrl+F, tekst selecteren en kopiëren, en het bestand laten indexeren door zoekmachines of documentbeheersystemen. Als je PDF een gescande afbeelding is, werkt dat allemaal niet totdat je een tekstlaag toevoegt - en dat is precies wat het doorzoekbaar maken van een PDF doet.
Wat betekent 'Een PDF doorzoekbaar maken'?
Wanneer een PDF wordt gemaakt door een papieren document te scannen, wordt elke pagina opgeslagen als een afbeelding. De tekst ziet er visueel goed uit, maar de PDF bevat geen echte tekengegevens, alleen pixels. OCR (Optical Character Recognition) analyseert deze pixels, identificeert de tekens en voegt een verborgen tekstlaag toe aan de PDF. Na OCR ziet het document er identiek uit, maar de tekst is nu selecteerbaar, doorzoekbaar en kopieerbaar.
Native digitale PDFs, rechtstreeks gemaakt vanuit Word, Excel of andere software, zijn al doorzoekbaar. U hoeft alleen OCR uit te voeren op gescande documenten of PDFs waarbij tekst tijdens het exporteren naar contouren is omgezet.
Een PDF doorzoekbaar maken met WukongPDF
Upload uw gescande PDF naar de tool OCR PDF van WukongPDF. De tool verwerkt elke pagina, herkent de tekst en sluit een tekstlaag in de uitvoer in. Download het resultaat: de PDF ziet er hetzelfde uit, maar is nu volledig doorzoekbaar. Bij documenten met meerdere pagina's worden alle pagina's in één handeling verwerkt.
De tool OCR PDF van WukongPDF ondersteunt meerdere talen, wat van belang is voor documenten met niet-Engelse inhoud. Het selecteren van de juiste taal vóór verwerking verbetert de nauwkeurigheid aanzienlijk. OCR-engines gebruiken taalmodellen om gelijksoortige karakters te onderscheiden en dubbelzinnige metingen te corrigeren.
Een PDF doorzoekbaar maken in Adobe Acrobat
Open in Adobe Acrobat Pro de gescande PDF en ga naar Extra > Scannen & OCR > Herken tekst > In dit bestand. Klik op Tekst herkennen om het proces te starten. Acrobat voert OCR uit op alle pagina's en voegt de tekstlaag automatisch toe. Bij grote documenten kan dit een minuut of twee duren.
Ga na OCR naar Bewerken > Zoek (Ctrl + F op Windows, Cmd + F op Mac) en zoek naar een woord waarvan u weet dat het in het document staat om te bevestigen dat de tekstlaag werkt. Als het woord wordt gevonden, is de OCR succesvol geweest.
Factoren die de OCR-nauwkeurigheid beïnvloeden
Scankwaliteit is de grootste factor. Een zuivere, rechte scan van 300 DPI bij goede verlichting produceert nauwkeurige OCR met weinig fouten. Een wazige, scheve scan of een scan met een lage resolutie leidt tot fouten: tekens die op elkaar lijken (0 en O, l en 1, rn en m) worden vaak verward als het beeld niet scherp is.
Handgeschreven tekst is een aparte uitdaging; standaard OCR is ontworpen voor gedrukte tekst en heeft veel moeite met handschrift. Er bestaan gespecialiseerde hulpmiddelen voor handschriftherkenning, maar deze zijn veel minder nauwkeurig dan OCR voor gedrukte tekst.
Wat te doen nadat u een PDF Doorzoekbaar heeft gemaakt
Eenmaal doorzoekbaar is de PDF klaar om te archiveren, indexeren of delen. Als het bestand groot is, is het vaak de moeite waard om het na OCR door een PDF Compressie-tool te laten lopen. OCR-uitvoerbestanden zijn soms iets groter dan de invoerbestanden, en door compressie worden ze weer naar beneden gebracht zonder de tekstlaag te beïnvloeden.
Voor documentbeheersystemen of cloudopslag die zoeken in volledige tekst ondersteunen (Google Drive, SharePoint, Dropbox) betekent het uploaden van de doorzoekbare versie dat de inhoud van het document vindbaar wordt op trefwoord, waardoor het veel gemakkelijker wordt om maanden of jaren later terug te vinden.