OCR - PDF durchsuchbar machen

Nein. Das gescannte Bild bleibt Byte für Byte, wie es war; hinzu kommt eine unsichtbare Textebene darüber, dieselbe Konstruktion, die Scanner-Software für ein durchsuchbares PDF verwendet. Suchen, Auswählen und Kopieren funktionieren; der Druck bleibt unverändert.

Es ist die neuronale Engine von Tesseract 5, dieselbe, die hinter den meisten Open-Source-OCR-Lösungen steckt, als WebAssembly in deinem Browser. Ein sauberer 300-dpi-Scan von gedrucktem Text kommt fast buchstabengetreu heraus; eine schiefe, blasse oder abfotografierte Seite weniger - begradige sie zuerst mit PDF begradigen. Wörter, bei denen die Engine unsicher war, werden trotzdem platziert, damit eine Suche sie findet, und das Tool sagt, wie viele es waren.

Ungarisch, Englisch, Deutsch, Französisch, Italienisch, Spanisch, Polnisch, Rumänisch, Slowakisch, Tschechisch, Kroatisch, Slowenisch, Serbisch (lateinisch und kyrillisch), Ukrainisch, Russisch, Bulgarisch, Griechisch, Türkisch, Dänisch, Schwedisch, Norwegisch, Finnisch, Niederländisch, Portugiesisch, Indonesisch, Vietnamesisch, Litauisch, Lettisch, Estnisch, Malaiisch, Latein, Arabisch, Persisch, Hebräisch, Chinesisch (vereinfacht und traditionell), Japanisch, Koreanisch und deutsche Fraktur für Frakturdruck aus der Vorkriegszeit, in beliebiger Kombination - ein zweisprachiger Vertrag lässt sich mit zweien lesen. Jede Sprache ist ein eigener Download, den der Browser dann behält.

Nichts wird hochgeladen: Die Datei wird in deinem Browser geöffnet und verarbeitet und verlässt nie dein Gerät. Schließ den Tab, und sie ist weg. Die OCR-Engine und ihre Sprachdateien kommen ebenfalls von dieser Website, sodass nicht einmal die Wahl der Sprache irgendwohin geschickt wird.

Standardmäßig nur die ohne Textebene, denn eine digital erstellte Seite hat bereits eine, und eine zweite würde jeden Suchtreffer verdoppeln. Hat eine frühere OCR schlechte Arbeit geleistet, stell auf jede Seite um - die neue Ebene kommt unter die alte.

Länger als alles andere hier - Erkennung ist echte Arbeit, und jede Seite braucht selbst auf einem schnellen Rechner einen Moment, also lohnt es sich, einen langen Scan zu starten und laufen zu lassen. Der erste Durchlauf holt außerdem die Erkennungs-Engine und die Sprachdaten (ein paar Megabyte, von dieser Website statt von einem CDN); danach hat dein Browser sie im Cache, und die Schaltfläche zeigt Seite für Seite, wie weit es ist.

Ja. Zieh eine .docx-, .xlsx- oder .pptx-Datei oder ein Bild (JPG, PNG, WebP...) hinein, und sie wird beim Hinzufügen direkt in deinem Browser in eine PDF umgewandelt - ein Bild auf eine A4-Seite - und dann wie jede andere PDF behandelt; nichts wird hochgeladen. Die Umwandlung ist unsere eigene, daher kann das Ergebnis leicht vom PDF-Export von Office abweichen: Eine Schrift wird eventuell ersetzt, Diagramme fehlen. Die Dateiliste zeigt eine Warnung, wenn etwas nicht übernommen werden konnte.