OCR für PDF
Machen Sie aus einem gescannten PDF eines, in dem Sie suchen, markieren und kopieren können. Die Seiten sehen genauso aus wie vorher; die Wörter kommen als unsichtbare Ebene darüber. Alles läuft in Ihrem Browser, Ihr Scan verlässt dieses Gerät also nie.
Gescanntes PDF hier ablegen
Ihre Datei bleibt auf diesem Gerät. Es wird nichts hochgeladen.
Gescanntes PDF per OCR durchsuchbar machen: so geht’s
- Ziehen Sie das gescannte PDF auf das Feld oben, oder klicken Sie auf „PDF-Datei auswählen“. Es wird geprüft, welche Seiten Bilder sind und welche schon Text haben.
- Wählen Sie die Sprache, in der das Dokument geschrieben ist. Die Downloadgröße wird angezeigt, bevor etwas heruntergeladen wird.
- Klicken Sie auf „Durchsuchbar machen und herunterladen“ und warten Sie, während jede Seite gelesen wird. „Abbrechen“ stoppt jederzeit.
- Öffnen Sie das heruntergeladene PDF und durchsuchen Sie es. „Text herunterladen (.txt)“ gibt Ihnen nur die Wörter.
OCR für PDF: was es kann
Scanner und Scan-Apps auf dem Handy speichern jede Seite als Bild. Das PDF sieht aus wie ein Dokument und verhält sich wie ein Foto: Sie können es nicht durchsuchen, keinen Satz markieren und es sich nicht vorlesen lassen. Dieses Werkzeug liest die Wörter in jedem Bild und legt sie als unsichtbaren Text über die Seite, sodass dieselbe Datei durchsuchbar wird.
Was es tut
- Liest den gedruckten Text auf gescannten Seiten und fügt ihn Seite für Seite als unsichtbare, durchsuchbare Ebene hinzu
- Lässt jede Seite genau so aussehen wie vorher; nichts wird neu gezeichnet oder neu komprimiert
- Überspringt Seiten, die schon Text haben, und sagt Ihnen, welche
- Liest sechzehn Sprachen, darunter Chinesisch, Japanisch, Koreanisch, Hindi und Nepalesisch; jede wird erst dann von dieser Website geladen, wenn Sie sie auswählen
- Gibt Ihnen den erkannten Text zusätzlich als .txt-Datei
Was es nicht tut
- Ihren Scan hochladen; die Texterkennung läuft in diesem Browser-Tab
- Handschrift lesen
- Einen schlechten Scan retten: blasse, unscharfe, winzige oder schiefe Schrift kommt mit Fehlern heraus, und die schwierigen Seiten werden genannt
- Das Layout als bearbeitbares Dokument nachbauen; PDF zu Word kann den Text danach aus der durchsuchbaren Datei holen
- Arabisch und andere Schriften lesen, die von rechts nach links laufen, jedenfalls noch nicht
- Quer liegende Seiten aufrichten; das erledigt vorher PDF drehen
Zuletzt aktualisiert
Müssen Sie das jemandem schicken?
Unsere Schwesterseite QRSansar hostet ein Dokument und gibt Ihnen dafür einen kurzen Link und einen QR-Code. Das ist praktisch für WhatsApp, eine Folie, ein Plakat oder einen Ausdruck und umgeht Größenbeschränkungen für Anhänge vollständig. Sie können die Datei später austauschen, Link und QR-Code funktionieren weiter.
Der Unterschied gehört klar gesagt: Das ist ein Hosting-Dienst, Ihre Datei wird also dorthin hochgeladen. Alles auf PDFsansar bleibt auf Ihrem Gerät; Teilen ist die eine Aufgabe, die das nicht kann.
Ein Dokument auf QRSansar teilen →Weitere Werkzeuge
Alle kostenlos, und alle laufen in diesem Tab, ohne etwas hochzuladen.
OCR für PDF: häufige Fragen
Wird mein Scan hochgeladen?
Nein. Die Texterkennung (Tesseract) läuft in diesem Browser-Tab. Beim ersten Mal werden sie und die gewählte Sprache von dieser Website geladen, nicht von irgendeiner anderen, und Ihr Browser behält sie. Das PDF selbst wird auf diesem Gerät gelesen und neu geschrieben und nirgendwohin gesendet.
Sehen die Seiten danach anders aus?
Nein. Jede Seite bleibt genau so, wie sie war. Die Wörter kommen als unsichtbare Ebene hinzu, genau dort, wo sie im Scan stehen. Wenn Sie einen Satz markieren, liegt die Markierung also auf den gedruckten Wörtern. Nichts wird neu gezeichnet oder neu komprimiert, und die Datei wird pro Seite ein paar Kilobyte größer.
Welche Sprachen kann es lesen?
Englisch, Spanisch, Französisch, Deutsch, Portugiesisch, Italienisch, Indonesisch, Malaiisch, Filipino, Suaheli, Vietnamesisch, Hindi, Nepalesisch, vereinfachtes Chinesisch, Japanisch und Koreanisch. Wählen Sie die Sprache des Dokuments; jede wird erst geladen, wenn Sie sie auswählen, und ihre Größe sehen Sie vorher. Arabisch gibt es noch nicht: Es lässt sich lesen, aber manche PDF-Reader zeigen das Ergebnis rückwärts an, und eine Suche, die die Wörter nicht findet, nützt nichts.
Wie lange dauert es?
Auf einem Computer ein paar Sekunden pro Seite. Gemessen auf einem Rechner mit 4 Kernen in Chrome lag der Schnitt bei 3 bis 9 Sekunden pro Seite: ein Kassenbon am schnellen Ende, eine volle Magazinseite in kleiner Schrift am langsamen, und die vollste einzelne Seite brauchte 11. Ein Handy ist langsamer. Beim ersten Mal werden Texterkennung und Sprache geladen, bevor irgendetwas gelesen wird, etwa 4 MB für Englisch; danach behält Ihr Browser sie. Sie können es in einem anderen Tab laufen lassen, und „Abbrechen“ funktioniert jederzeit.
Wie genau ist es?
Auf sauber gedruckten Seiten stimmt fast jedes Wort: Auf zwei Magazin- und Berichtsseiten aus einem gängigen OCR-Testdatensatz kamen 99 % der Wörter zurück. Auf echten gescannten Formularen auf Deutsch, Spanisch, Französisch, Japanisch und Chinesisch waren es 91 bis 96 %. Auf gescannten Kassenbons, kleine Schrift auf Thermopapier, 79 %. Fehler häufen sich bei Namen, Zahlen und kleiner Schrift, prüfen Sie diese also, bevor Sie sich darauf verlassen. Die Seiten, die schwer zu lesen waren, werden am Ende genannt.
Was passiert mit Seiten, die schon Text haben?
Sie bleiben genau so, wie sie sind, und Sie sehen vor dem Start, welche das sind. Sie noch einmal zu lesen würde eine zweite Kopie jedes Worts über die erste legen. Wenn alle Seiten schon Text haben, sagt das Werkzeug das und tut nichts.
Kann es Handschrift lesen?
Nein. Tesseract ist für gedruckten Text gemacht. Aus Handschrift wird Unsinn oder gar nichts, und eine Seite ohne Lesbares wird am Ende genannt.
Kann ich nur den Text bekommen?
Ja. Am Ende gibt es eine Schaltfläche für den Text als .txt-Datei, mit allen Seiten der Reihe nach. Seiten, die schon Text hatten, sind so enthalten, wie sie waren.