OCR PDF

Eine PDF durchsuchbar und kopierbar machen.

So funktioniert es:

  • Text extrahieren: Verwendet Tesseract OCR, um Text aus gescannten Bildern oder PDFs zu erkennen.
  • Durchsuchbare Ausgabe: Erstellt eine neue PDF mit einer unsichtbaren Textebene, sodass Ihr Dokument vollständig durchsuchbar wird, während das ursprüngliche Erscheinungsbild erhalten bleibt.
  • Zeichenfilterung: Verwenden Sie Whitelists, um unerwünschte Zeichen herauszufiltern und die Genauigkeit für bestimmte Dokumenttypen zu verbessern (Rechnungen, Formulare usw.).
  • Mehrsprachige Unterstützung: Wählen Sie mehrere Sprachen für Dokumente mit gemischten Sprachinhalten aus.

Klick hier, um eine Datei auszuwählen oder per Drag & Drop reinziehen

Deine Dateien verlassen nie dein Gerät.

So funktioniert's

1

Datei hochladen

Klicken oder Datei hierher ziehen

2

Prozess

Klicken Sie auf die Verarbeitungsschaltfläche

3

Herunterladen

Speichern Sie Ihre verarbeitete Datei sofort

Verwandte PDF-Tools

PDF zusammenführen

Kostenloses Online-Tool zum Zusammenführen von PDF-Dateien

PDF komprimieren

Kostenloses Online-Tool zum Komprimieren von PDF-Dateien

PDF teilen

Kostenloses Online-Tool zum Teilen von PDFs

PDF bearbeiten

Kostenloses Online-Tool zum Bearbeiten von PDF-Dateien

PDF drehen

Kostenloses Online-Tool zum Drehen von PDFs

Häufig gestellte Fragen

Woher weiß ich, ob mein PDF OCR benötigt?

Öffnen Sie die Datei in einem beliebigen Viewer und versuchen Sie, eine Textzeile auszuwählen. Wenn nichts hervorgehoben wird oder die Suche keine Übereinstimmungen findet, handelt es sich bei den Seiten nur um Bilder (ein Scan oder ein Foto) und OCR fügt den fehlenden Text hinzu. Für ein PDF, das bereits auswählbaren Text enthält, ist dieses Tool nicht erforderlich.

Welche Sprachen kann es erkennen?

Über 100 Tesseract-Sprachpakete werden aufgelistet, von Englisch und Spanisch bis hin zu Arabisch, Hindi, Japanisch und Chinesisch. Markieren Sie jede Sprache, die im Dokument vorkommt. Die Pakete werden zusammen geladen, sodass gemischtsprachige Seiten in einem Durchgang erkannt werden. Einige selbstgehostete Bereitstellungen bündeln eine kürzere Liste und sagen dies über der Sprachauswahl.

Verändert OCR das Aussehen meines Dokuments?

Nein. Die Originalseiten werden unverändert kopiert und darüber wird eine unsichtbare Textebene gezeichnet, die Wort für Wort passend zum Scan positioniert wird. Sie sehen das gleiche Bild wie zuvor, aber Sie können jetzt den Text suchen, auswählen und kopieren.

Welche Auflösungseinstellung sollte ich verwenden?

Hoch (288 DPI) ist die Standardeinstellung und verarbeitet typische Bürodokumente. Wählen Sie „Standard“ (192 DPI), wenn es auf Geschwindigkeit ankommt oder die Datei lang ist, und verwenden Sie „Ultra“ (384 DPI) für Kleingedrucktes, Fußnoten oder schlechte Scans. Höhere Einstellungen dauern deutlich länger, da jede Seite vor der Erkennung in dieser Größe gerendert wird.

Was macht die Charakter-Whitelist?

Es beschränkt die Ausgabe auf einen festen Satz von Zeichen, was Fehler wie das Lesen eines kleinen l als 1 reduziert. Die Voreinstellung „Rechnung“ erlaubt nur Ziffern und die Symbole $ . , / - # :, „Nur Zahlen“ eignet sich für Seriennummern oder Zählerstände, und „Benutzerdefiniert“ ermöglicht Ihnen die Eingabe Ihres eigenen Satzes.

Kann es Handschrift lesen?

Nicht zuverlässig. Tesseract ist auf gedruckten Text trainiert, daher funktionieren saubere Großbuchstaben manchmal, aber Kursivschrift erzeugt meistens Rauschen. Die besten Ergebnisse erzielen Sie auf sauberen, gut beleuchteten gedruckten Seiten. Die Option „Binärisieren“ hilft bei verblassten oder kontrastarmen Scans und Entzerrtes PDF Richtet geneigte zuerst aus.

Kann ich anstelle einer PDF-Datei nur den erkannten Text erhalten?

Ja. Wenn die OCR abgeschlossen ist, wird der extrahierte Text in einem Feld angezeigt, in dem Sie ihn überprüfen, in die Zwischenablage kopieren oder als ocr-text.txt herunterladen können. Der durchsuchbare PDF-Download ist separat, sodass Sie eines oder beide verwenden können.

Lädt OCR meine Scans auf einen Server hoch?

Nein. Tesseract wird als WebAssembly in Ihrem Browser ausgeführt. Die einzigen Downloads sind die OCR-Engine und die von Ihnen ausgewählten Sprachpakete, die abgerufen werden, wenn sie zum ersten Mal benötigt werden. Die gescannten Seiten und der erkannte Text bleiben auf Ihrem Gerät.