Naar de inhoud
  1. Home
  2. PDF OCR

PDF OCR

PDF OCR die van een gescand document een doorzoekbare PDF maakt waaruit je kunt kopiëren, plus een gewoon tekstbestand. Het werkt op je apparaat, zonder paginalimiet.

Er wordt niets geüpload Gratis, geen account Geen paginalimiet

Hoe het werkt:

  • Tekst extraheren: Gebruikt Tesseract OCR om tekst te herkennen uit gescande afbeeldingen of PDF's.
  • Doorzoekbare uitvoer: Maakt een nieuwe PDF met een onzichtbare tekstlaag, waardoor je document volledig doorzoekbaar wordt met behoud van het oorspronkelijke uiterlijk.
  • Tekens filteren: Gebruik whitelists om ongewenste tekens uit te filteren en de nauwkeurigheid te verbeteren voor specifieke documenttypes (facturen, formulieren, enz.).
  • Meertalige ondersteuning: Selecteer meerdere talen voor documenten met inhoud in gemengde talen.

Klik om een bestand te selecteren of sleep er een hierheen

Jouw bestanden blijven op jouw apparaat.

Zo doe je OCR op een PDF

  1. Voeg de gescande PDF toe

    Elke lengte. Het bestand blijft op je apparaat.

  2. Kies de talen

    Vink de talen aan die in het document staan. Je ziet hoeveel taaldata er wordt gedownload en ongeveer hoe lang het duurt.

  3. OCR starten

    De voortgang wordt per pagina getoond, en je kunt op elk moment annuleren.

  4. Sla de PDF of de tekst op

    Download de doorzoekbare PDF, de tekst als .txt-bestand, of kopieer de tekst meteen.

Wat je krijgt

Search for "total": no results
Voor
Same page, now with text: search, select, copy
Na
Wat het OCR-resultaat bevat
Je krijgt Wat het is Gebruik het voor
Doorzoekbare PDF Je originele pagina's met onzichtbare tekst over de woorden Zoeken, kopiëren, archiveren, versturen
Tekstbestand (.txt) Alle herkende tekst, pagina voor pagina, zonder opmaak Citeren, notities, tekst in andere apps zetten

OCR, optische tekenherkenning, leest de letters op een afbeelding van een pagina en maakt er tekst van die een computer kan doorzoeken. Een gescande PDF bestaat alleen uit afbeeldingen, dus je kunt er niet in zoeken, geen zin selecteren en geen getal uit kopiëren. Na OCR wel. Deze tool doet dat in je browser, zonder paginalimiet, en je document wordt nooit geüpload.

Een gescande PDF doorzoekbaar maken

Het resultaat ziet er precies zo uit als je scan, want de originele pagina's blijven behouden. Onder de afbeelding ligt een onzichtbare laag herkende woorden, elk op de plek waar het woord staat. Zoeken markeert dus de juiste plek en bij het selecteren pak je de woorden die je ziet. Wil je weten of een PDF al tekst heeft, probeer dan een regel te selecteren: lukt dat niet, dan is OCR nodig.

OCR-talen kiezen

De herkenning moet weten welk alfabet en welke woorden te verwachten zijn, dus kies elke taal die in het document staat, zoals Nederlands en Engels voor een tweetalig formulier. Er zijn meer dan 100 talen beschikbaar, waaronder Chinees, Japans, Koreaans, Arabisch, Hebreeuws en Hindi. Elke taal wordt eenmalig gedownload, meestal een paar megabyte, en daarna door je browser bewaard; de grootte zie je voordat je begint. Talen kiezen die niet in het document staan, maakt de herkenning trager en minder nauwkeurig.

Wat de nauwkeurigheid van OCR bepaalt

Bij een schone, rechte scan van gedrukte tekst op 300 dpi wordt bijna elk woord goed gelezen. De nauwkeurigheid daalt bij wazige telefoonfoto's, lage resolutie, scheve of gekrulde pagina's, vage druk, gekleurde achtergronden, ongebruikelijke lettertypen en tabellen met krappe lijnen. Handschrift wordt meestal niet herkend. Een hogere resolutie in de geavanceerde instellingen helpt bij kleine letters, maar kost tijd. Controleer altijd namen en getallen waar je op vertrouwt.

Hoe het werkt

Elke pagina wordt in je browser als afbeelding getekend en gelezen door Tesseract, een opensource-OCR-engine die op je apparaat draait. De gevonden woorden en hun posities worden als onzichtbare tekstlaag in een kopie van je PDF geschreven en in het tekstbestand verzameld. Een laptop doet een pagina in een paar seconden; een telefoon is trager. Lange documenten duren langer maar hebben geen limiet, en de inschatting vooraf vertelt je wat je kunt verwachten.

Waarvoor mensen het gebruiken, en wanneer het niet werkt

Gescande contracten en brieven, oude boeken en scripties, bonnetjes en facturen voor de boekhouding, hand-outs van school, stukken uit een archief, en alles waarin je later op je computer wilt zoeken.

  • De opmaak wordt niet nagebouwd. De doorzoekbare PDF houdt het originele uiterlijk; het tekstbestand is platte tekst. Wil je het document bewerken, gebruik daarna PDF naar Word.
  • Handschrift wordt meestal niet herkend.
  • PDF's die al tekst hebben hebben geen OCR nodig; voor hun tekst gebruik je PDF naar tekst.
  • Op een telefoon houd je bij lange taken het scherm aan en het tabblad open, anders pauzeert de browser ze.

Vragen en antwoorden

Wat is OCR in een PDF?
Het is tekstherkenning: de letters op gescande pagina's worden gelezen en als echte tekst aan de PDF toegevoegd, zodat je kunt zoeken en kopiëren.
Hoe maak ik een PDF doorzoekbaar?
Voeg hem toe op deze pagina, kies de talen van het document en klik op OCR starten. Download de doorzoekbare PDF als hij klaar is.
Hoe zie ik of mijn PDF een tekstlaag heeft?
Probeer een regel tekst te selecteren of zoek naar een woord dat je ziet. Wordt er niets geselecteerd of gevonden, dan zijn de pagina's afbeeldingen en is OCR nodig.
Waarom heeft OCR niet alle tekst herkend?
Meestal is de scan wazig, scheef of laag van resolutie, of ontbreekt er een taal in je keuze. Probeer een hogere resolutie en de juiste talen.
Blijft de opmaak behouden bij OCR?
De doorzoekbare PDF ziet er precies zo uit als de scan. Het tekstbestand bevat de woorden zonder opmaak.
Kan OCR handschrift lezen?
Meestal niet. Het is gemaakt voor gedrukte tekst; nette blokletters lukken soms.
Is er een paginalimiet?
Nee. Lange documenten duren gewoon langer, en de tijdsinschatting zie je voordat je begint.
Wordt mijn bestand geüpload?
Nee. De herkenning draait in je browser. Alleen de taaldata wordt eenmalig gedownload, en je document verlaat je apparaat nooit.

Bijgewerkt Werkt offline zodra de pagina en de taaldata geladen zijn