PDF-OCR

Was er macht

Ein gescanntes PDF ist ein Bild jeder Seite: Es sieht aus wie Text, lässt sich aber weder durchsuchen noch markieren oder kopieren. Dieses Werkzeug liest jede Seite per OCR (mit der Engine Tesseract) und schreibt die erkannten Wörter als unsichtbaren Text an derselben Stelle über die Originalseite. Das PDF sieht genau gleich aus, doch Suchen, Markieren und Kopieren funktionieren nun, ebenso die Indexierung durch Suchmaschinen und Dokumentensysteme.

So wird er benutzt

1. Wählen Sie das gescannte PDF aus.
2. Wählen Sie die Sprache des Dokuments; Seiten, die bereits Text haben, werden übersprungen.
3. Klicken Sie auf „Durchsuchbar machen“ und laden Sie das PDF herunter, sobald es fertig ist.

Häufige Fragen

Sieht das PDF anders aus?
Nein. Die Originalseiten bleiben unverändert in voller Qualität; die Textebene ist unsichtbar und zeigt sich nur beim Markieren oder Suchen.

Wie genau ist die Erkennung?
Bei sauberen gedruckten Seiten in Sprachen mit lateinischer Schrift sind meist über 99 % der Zeichen richtig. Handschrift, Scans mit niedriger Auflösung, Stempel und Tabellen werden schlechter gelesen, prüfen Sie wichtige Zahlen daher nach. Das Ergebnis zeigt die durchschnittliche Konfidenz.

Warum ist es langsam?
Jede Seite wird in Ihrem Browser mit 300 dpi gelesen, was auf einem Computer einige Sekunden pro Seite dauert und auf dem Smartphone länger. Es wird nichts an einen Server gesendet, die Geschwindigkeit hängt also von Ihrem Gerät ab.

Kann ich ein geschwärztes PDF per OCR bearbeiten?
Ja. Geschwärzte Seiten werden zu Bildern, und die OCR macht ihren sichtbaren Text wieder durchsuchbar; was geschwärzt war, bleibt schwarz und wird nicht gelesen.

Wird mein PDF hochgeladen?
Nein. Die Seiten werden gelesen und das PDF wird in Ihrem Browser geschrieben; es wird nichts an einen Server gesendet.

🔡 Bild zu Text (OCR)
⬛ PDF schwärzen
📘 PDF in Word

Wikipedia — Optical character recognition
Wikipedia — Tesseract (software)