Was ist OCR und wie wird ein PDF durchsuchbar
OCR (optische Zeichenerkennung) ist die Technik, die Buchstaben im Bild einer Seite erkennt. Auf ein gescanntes PDF mit dem Werkzeug PDF zu OCR angewendet, fügt sie eine unsichtbare Textebene hinzu, mit der sich der Inhalt suchen, markieren und kopieren lässt, ohne das Aussehen der Seiten zu ändern.
Das Problem mit gescannten PDFs
Beim Scannen eines Blatts erzeugt der Scanner ein Bild. Das resultierende PDF sieht aus wie ein Dokument, ist im Inneren aber eine Folge von Fotos. Deshalb können Sie weder nach einem Wort suchen noch eine Passage kopieren oder einen Absatz markieren: Für den Computer gibt es keinen Text, nur Pixel.
Was ist OCR
OCR steht für optische Zeichenerkennung. Diese Technik analysiert das Bild einer Seite, erkennt die Buchstaben und erzeugt den entsprechenden Text. Auf ein gescanntes PDF angewendet, legt OCR eine unsichtbare Textebene hinter das Bild: Das Aussehen der Seite ändert sich nicht, doch der Text lässt sich nun suchen, markieren und kopieren.
OCR auf ein PDF anwenden
Mit dem Werkzeug PDF zu OCR:
- Laden Sie das gescannte PDF hoch.
- Wählen Sie die Sprache des Dokuments. Das Werkzeug erkennt Deutsch, Englisch, Portugiesisch, Spanisch, Französisch und Italienisch.
- Klicken Sie auf Verarbeiten und warten Sie. Lange Dokumente können einige Minuten dauern.
- Laden Sie das PDF herunter und testen Sie es: Suchen Sie mit der Suchfunktion Ihres Readers nach einem Wort aus dem Dokument.
Wenn Sie nur Fotos und kein PDF haben
Liegen die Dokumente als Bilder vor (JPG, PNG, HEIC), nutzen Sie OCR zu PDF: Es fasst die Bilder zu einem PDF zusammen, eine Seite pro Bild, mit bereits erkanntem Text. Und wenn Sie das Dokument noch nicht gescannt haben, nutzt der PDF-Scanner die Kamera von Smartphone oder Computer, um die Seiten zu fotografieren und das PDF zu erzeugen, optional mit OCR.
So gelingt eine gute Erkennung
Die OCR-Qualität hängt vor allem von der Bildqualität ab:
- Scannen Sie mit 200 bis 300 dpi. Niedrigere Auflösungen verlieren Buchstabendetails, höhere vergrößern nur die Datei.
- Halten Sie die Seite gerade und gut beleuchtet, ohne Schatten und Knicke.
- Wählen Sie die richtige Sprache: Ein in der falschen Sprache erkannter Text verliert Umlaute und Sonderzeichen.
- Bevorzugen Sie scharfe Vorlagen. Handschrift, Stempel über dem Text und unscharfe Fotos liefern schlechtere Ergebnisse.
Was Sie mit dem erkannten Text tun können
Mit einem durchsuchbaren PDF finden Sie Informationen in Sekunden und kopieren Passagen in andere Dokumente. Möchten Sie den Inhalt bearbeiten, wenden Sie nach der OCR PDF zu Word an. Keine OCR ist fehlerfrei, prüfen Sie daher Zahlen, Namen und Daten, bevor Sie den Text für Wichtiges verwenden.
Häufige Fragen
Woran erkenne ich, ob mein PDF OCR braucht?
Versuchen Sie, einen Satz mit der Maus zu markieren. Markiert der Zeiger die ganze Seite wie ein Bild oder findet die Suche sichtbare Wörter nicht, ist das PDF gescannt und braucht OCR.
Welche Sprachen erkennt die OCR?
Deutsch, Englisch, Portugiesisch, Spanisch, Französisch und Italienisch. Die richtige Sprache verbessert die Erkennung von Umlauten und Sonderzeichen.
Funktioniert OCR mit Handschrift?
Bei Handschrift ist das Ergebnis begrenzt. OCR funktioniert am besten mit gedrucktem Text, gescannt mit 200–300 dpi, mit gerader und gut beleuchteter Seite.