L'OCR, il riconoscimento ottico dei caratteri, legge le lettere nell'immagine di una pagina e le trasforma in testo che un computer può cercare. Un PDF scansionato è fatto solo di immagini, quindi non puoi cercarci dentro, selezionare una frase o copiare un numero. Dopo l'OCR sì. Questo strumento lo fa nel browser, senza limite di pagine, e il documento non viene mai caricato.
Rendere ricercabile un PDF scansionato
Il risultato è identico alla tua scansione, perché le pagine originali vengono mantenute. Sotto l'immagine, un livello invisibile di parole riconosciute si trova dove compare ogni parola, così la ricerca evidenzia il punto giusto e selezionando il testo prendi le parole che vedi. Per verificare se un PDF ha già del testo, prova a selezionare una riga: se non ci riesci, serve l'OCR.
Scegliere le lingue dell'OCR
Il riconoscimento deve sapere quale alfabeto e quali parole aspettarsi, quindi scegli ogni lingua stampata nel documento, ad esempio italiano e inglese per un modulo bilingue. Sono disponibili oltre 100 lingue, tra cui cinese, giapponese, coreano, arabo, ebraico e hindi. Ogni lingua viene scaricata una sola volta, di solito pochi megabyte, e poi resta nel browser; la dimensione viene mostrata prima di iniziare. Scegliere lingue che non sono nel documento rende il riconoscimento più lento e meno preciso.
Cosa influisce sulla precisione dell'OCR
Su una scansione pulita e dritta di testo stampato a 300 dpi, quasi ogni parola viene letta correttamente. La precisione cala con foto sfocate fatte col telefono, bassa risoluzione, pagine storte o incurvate, stampa sbiadita, sfondi colorati, caratteri insoliti e tabelle con righe fitte. La scrittura a mano per lo più non viene riconosciuta. Aumentare la risoluzione nelle impostazioni avanzate aiuta con i caratteri piccoli, a costo di più tempo. Controlla sempre nomi e numeri importanti.
Come funziona
Ogni pagina viene disegnata come immagine nel browser e letta da Tesseract, un motore OCR open source, che gira sul tuo dispositivo. Le parole trovate e le loro posizioni vengono scritte in una copia del PDF come livello di testo invisibile e raccolte nel file di testo. Un portatile elabora una pagina in pochi secondi; un telefono è più lento. I documenti lunghi richiedono più tempo ma non hanno limiti, e la stima prima di iniziare ti dice cosa aspettarti.
A cosa serve e quando non funziona
Contratti e lettere scansionati, vecchi libri e tesi, scontrini e fatture per la contabilità, dispense scolastiche, documenti d'archivio e tutto ciò che vorrai cercare in seguito sul computer.
- L'impaginazione non viene ricostruita. Il PDF ricercabile mantiene l'aspetto originale; il file di testo è testo semplice. Per modificare il documento, usa poi PDF in Word.
- La scrittura a mano per lo più non viene riconosciuta.
- I PDF che hanno già del testo non hanno bisogno dell'OCR; per estrarne il testo, usa PDF in testo.
- Sul telefono, tieni lo schermo acceso e la scheda aperta durante i lavori lunghi, altrimenti il browser li mette in pausa.