Naar de inhoud
Terug naar alle tools№ 055

OCR PDF

Herken tekst in gescande PDF’s zodat je erin kunt zoeken en kopiëren.

0 B naar een server geüpload

Voeg eerst een bestand toe.

Een gescande PDF is een foto van een pagina. Hij ziet eruit als een document maar bevat geen tekst; daarom vindt zoeken niets en levert kopiëren niets op. OCR leest de vormen in de afbeelding, herkent tekens en voegt een onzichtbare tekstlaag toe achter de afbeelding, zodat de pagina er precies hetzelfde uitziet maar doorzoekbaar en selecteerbaar wordt.

De herkenning draait volledig in de browser met Tesseract, gecompileerd naar WebAssembly. Bij de eerste keer wordt het taalmodel gedownload voor de taal die je kiest; daarna staat het in de cache.

Zo werkt het

  1. Open de gescande PDF of afbeelding.
  2. Kies de taal van de tekst – de nauwkeurigheid hangt daar sterk van af.
  3. Start de herkenning en wacht; een pagina kost een paar seconden.
  4. Download de doorzoekbare PDF met tekstlaag.

Waarvoor je het gebruikt

  • Een archief met gescande facturen doorzoekbaar maken op naam van de leverancier.
  • Een scan voorbereiden op conversie naar Word, waarvoor een echte tekstlaag nodig is.
  • Citeren uit een gescand hoofdstuk van een boek zonder het over te typen.

Veelgestelde vragen

Wordt mijn bestand naar een server geüpload?
Nee. Het bestand wordt geopend door JavaScript en WebAssembly in het tabblad van je eigen browser. Het wordt nooit geüpload, er is geen verwerking op een server en er wordt niets bewaard: sluit je het tabblad, dan is alles weg.
Waarom is de herkenning traag?
Omdat ze echt op je apparaat draait en niet in een serverpark. Reken op een paar seconden per pagina, meer op een telefoon. De keerzijde is dat het document de computer nooit verlaat.
De herkende tekst bevat fouten.
De nauwkeurigheid van OCR hangt af van de kwaliteit van de scan. Streef naar minstens 300 dpi, rechte pagina’s en goed contrast. De verkeerde taal kiezen is de meest voorkomende oorzaak van slechte resultaten, gevolgd door scheve of beschaduwde telefoonfoto’s.
Ziet de pagina er daarna anders uit?
Nee. De oorspronkelijke afbeelding blijft behouden en de herkende tekst wordt er onzichtbaar achter gezet, dus het uiterlijk verandert niet.

Gerelateerde tools