Gör en skannad PDF sökbar utan att ladda upp skanningen
Skanna en sida och din dator lagrar ett foto av den. Orden ser rätt ut på skärmen, men för mjukvara är de bara pixlar - Ctrl+F hittar ingenting, copy-paste ger dig ingenting, och inget index någonstans vet vad dokumentet säger. OCR (optisk teckenigenkänning) fixar exakt det: den tittar på formerna, känner igen bokstäver och ord och skriver ett riktigt textlager under bilden.
Varför detta spelar roll i praktiken
- Att hitta vad som helst. Ctrl+F över ett 200-sidigt skannat kontrakt börjar fungera.
- Återanvända orden. Citat, adresser, klausulnummer — valbara och kopierbara istället för att skriva om.
- Tillgänglighet och indexering. Skärmläsare och sökmotorer kan plötsligt "läsa" dokumentet.
Fångsten ingen nämner
De flesta online OCR-verktyg läser ditt dokument genom att ladda upp det till deras servrar - vilket är en märklig sak att göra med en skanning av ditt pass, en journal eller ett kundkontrakt. Vår OCR-verktyg tar den andra vägen: igenkänning körs i din webbläsare (branschstandarden Tesseract-motorn, kompilerad till WebAssembly), och den sökbara PDF-filen är också sammansatt lokalt. Skanningen lämnar aldrig din enhet.
Få den bästa noggrannheten
- Räta ut först. En sida som lutas två grader kostar noggrannhet på varje rad. Kör Deskew före OCR om skanningen ser sned ut.
- Skanna med 300 DPI. Tillräckligt med detaljer för motorn; mer saktar bara ner det.
- Matcha språket. Välj rätt språk i OCR-verktyget – igenkänningsordböckerna skiljer sig åt, och "engelska" på en fransk sida producerar självsäkert nonsens.
- Tänk på typsnitten. Skrivmaskinsansikten och handstil är genuint svåra; förvänta sig korrigeringar där.
Efter OCR
Utdatat är en PDF som ser identisk ut men innehåller osynlig, valbar text. Därifrån är det ett vanligt dokument: sök, kopiera, mata det till PDF till text verktyg för de råa orden, eller konvertera det till ett redigerbart format med PDF till Word.
En checklista för noggrannhet
- Räta ut sidan före igenkänning; snedställda skanningar läser bättre.
- Använd cirka 300 DPI — fler pixlar hjälper bara upp till den punkt där bruset börjar göra ont.
- Välj språk på sidan, inklusive rätt skript.
- Sök efter tre kända detaljer i efterhand: en summa, ett datum och ett namn.
- Kontrollera det utskrivna resultatet, inte bara sökresultatet.
Språk och handstil
Igenkänning fungerar bäst på ren tryckt text på ett språk som stöds. Sidor med blandade språk kan förvirra språkmodellen; kör separata pass om sektionerna är distinkta. Handskrift är det svåra fallet - tryckta etiketter runt en handskriven anteckning kan kännas igen när själva anteckningen missas. Behandla inte ett OCR-resultat som en certifierad transkription av en handskriven post.
Vad ska man göra med texten efteråt
När skanningen har ett textlager kan den sökas, kopieras och indexeras, och den kan konverteras till Word eller extraheras som text. Behåll originalskanningen tillsammans med den sökbara versionen om bilden är den juridiska journalen. Sekretess är den andra hälften av beslutet: webbläsarbaserad igenkänning behåller skanningen på din enhet, medan en uppladdningsbaserad tjänst skickar den till en server. Välj den modell som matchar dokumentets känslighet, inte bara priset.
Prova det: gör en skanning sökbar — lokalt, gratis: skanningen lämnar aldrig din enhet och den genererade PDF-filen är byggd på samma sätt.