OCR voor pdf

Wat deze tool oplevert

De uitvoer is platte tekst met vóór de herkende tekst van elke pagina een paginamarkering. De tool:

• voegt geen verborgen tekstlaag aan de pdf toe
• reconstrueert geen kolommen, tabellen, formulieren of oorspronkelijke typografie
• behoudt de visuele pagina-indeling niet
• vertaalt het document niet
• controleert niet of de herkende tekst klopt

Wil je de gescande pagina’s behouden en daarachter doorzoekbare tekst toevoegen, gebruik dan een speciale toepassing voor doorzoekbare pdf’s of OCR-software voor de desktop.

Documenten die het beste werken

OCR is bedoeld voor gedrukte tekst. Een rechte, scherpe scan met duidelijk contrast wordt beter herkend dan een onscherpe foto, een verbleekte fax of een beschadigde pagina. Decoratieve letters, handschrift, wiskundige notatie, dicht op elkaar staande kolommen en ingewikkelde tabellen kunnen slechte of verkeerd geordende tekst opleveren.

De tool accepteert pdf’s tot 20 MB en 40 pagina’s. Herkenning gebeurt pagina voor pagina en kan veel geheugen gebruiken, vooral bij grote pagina’s of een hoge resolutie. Raakt het browsergeheugen vol, splits de pdf dan op in kleinere bestanden en verwerk die afzonderlijk.

Ondersteunde OCR-talen

Je kunt kiezen uit Engels, Spaans, Frans, Duits, Italiaans, Portugees, Nederlands, Russisch, Japans, vereenvoudigd Chinees, Koreaans en Arabisch.

Kies de hoofdtaal voordat je het bestand opent. Een pagina met meerdere talen of schriften kan afzonderlijke verwerkingen nodig hebben; tekens die op elkaar lijken kunnen alsnog worden verwisseld.

Controleer de herkende tekst

Vergelijk het resultaat altijd met de oorspronkelijke pdf voordat je het gebruikt. Let vooral op:

• namen, adressen en identificatienummers
• datums, bedragen, decimaaltekens en mintekens
• juridische, medische, financiële of veiligheidsinstructies
• pagina-einden en leesvolgorde in documenten met meerdere kolommen

Beschouw OCR-uitvoer niet als een gezaghebbende kopie van een belangrijk document.

Bestandsverwerking en downloads

De bron-pdf wordt lokaal in je browser gelezen. Het bestand komt niet in de funnel-URL en wordt niet naar onze server gestuurd. Je browser kan de bibliotheken voor pdf-weergave en OCR en het gekozen taalmodel downloaden bij de ingestelde bibliotheekleverancier.

Kopiëren houdt de herkende tekst in de browser en zet die op het klembord. TXT lokaal downloaden maakt het .txt-bestand en slaat het op zonder upload. Alleen als je Downloadpagina maken kiest, wordt de afgeleide TXT naar een beveiligde link geüpload en daar maximaal 7 dagen bewaard. De lokale download blijft beschikbaar als die optionele upload mislukt.