OCR, optisk teckenigenkänning, läser bokstäverna i en bild av en sida och gör om dem till text som en dator kan söka i. En skannad PDF är bara bilder, så du kan inte söka i den, markera en mening eller kopiera ett tal ur den. Efter OCR kan du det. Det här verktyget gör det i din webbläsare, utan sidgräns, och ditt dokument laddas aldrig upp.
Gör en skannad PDF sökbar
Resultatet ser exakt ut som din skanning, eftersom originalsidorna behålls. Under bilden ligger ett osynligt lager med igenkända ord där varje ord syns, så sökningen markerar rätt ställe och när du markerar text får du med orden du ser. För att se om en PDF redan har text kan du försöka markera en rad: går det inte behöver den OCR.
Välj språk för OCR
Igenkänningen behöver veta vilket alfabet och vilka ord den ska förvänta sig, så välj alla språk som dokumentet är skrivet på, till exempel engelska och spanska för en tvåspråkig blankett. Över 100 språk finns, bland annat kinesiska, japanska, koreanska, arabiska, hebreiska och hindi. Varje språk laddas ner en gång, oftast några megabyte, och sparas sedan av webbläsaren; storleken visas innan du startar. Väljer du språk som inte finns i dokumentet blir igenkänningen långsammare och mindre träffsäker.
Vad som påverkar OCR-träffsäkerheten
På en ren, rak skanning av tryckt text i 300 dpi läses nästan varje ord rätt. Träffsäkerheten sjunker med suddiga mobilfoton, låg upplösning, sneda eller böjda sidor, blek text, färgade bakgrunder, ovanliga typsnitt och tabeller med täta linjer. Handskrift känns oftast inte igen. Att höja upplösningen i de avancerade inställningarna hjälper för liten text, men tar längre tid. Kontrollera alltid namn och siffror som du är beroende av.
Så fungerar det
Varje sida ritas som en bild i din webbläsare och läses av Tesseract, en OCR-motor med öppen källkod, som körs på din enhet. Orden den hittar och deras positioner skrivs in i en kopia av din PDF som ett osynligt textlager och samlas i textfilen. En bärbar dator klarar en sida på några sekunder; en telefon är långsammare. Långa dokument tar längre tid men har ingen gräns, och uppskattningen innan du startar visar vad du kan vänta dig.
Vad det används till, och när det inte fungerar
Skannade avtal och brev, gamla böcker och uppsatser, kvitton och fakturor till bokföringen, utdelningsblad från skolan, handlingar från ett arkiv och allt du vill kunna söka i på datorn senare.
- Layouten byggs inte om. Den sökbara PDF:en behåller originalets utseende; textfilen är ren text. Vill du redigera dokumentet använder du PDF till Word efteråt.
- Handskrift känns oftast inte igen.
- PDF-filer som redan har text behöver ingen OCR; för att få ut texten använder du PDF till text.
- På en telefon ska du låta skärmen vara på och fliken öppen under långa jobb, annars pausar webbläsaren dem.