Startseite › PDF-Tools › PDF OCR

PDF OCR

Gescannte Dokumente sind nur Bilder von Text: Du kannst sie nicht durchsuchen, markieren oder kopieren. Dieses Tool liest jede Seite per OCR und fügt eine unsichtbare Textebene hinzu, sodass die PDF genau gleich aussieht, aber durchsuchbar und kopierbar wird. Du kannst den erkannten Text auch herunterladen.

Zuletzt aktualisiert:

Anzeige
Anzeige

Anleitung: PDF OCR

  1. Wähle deine gescannte PDF, indem du sie in das Feld ziehst oder zum Durchsuchen klickst.
  2. Wähle die Sprache des Dokuments (und eine zweite, wenn der Text Sprachen mischt).
  3. Wähle die Genauigkeit. „Ausgewogen“ eignet sich für die meisten Scans; nutze 300 dpi für Kleingedrucktes.
  4. Klicke auf „OCR starten“. Beim ersten Durchlauf werden die OCR-Engine und die Sprachdaten heruntergeladen, danach dauert jede Seite einige Sekunden.
  5. Lade die durchsuchbare PDF herunter oder lade den extrahierten Text herunter bzw. kopiere ihn.

So funktioniert eine durchsuchbare PDF

Eine gescannte PDF speichert jede Seite als Bild. Nach der OCR hat die Seite zwei Ebenen: das Originalbild, das du siehst, und darunter eine Textebene, die im unsichtbaren Modus gezeichnet ist (PDF-Textdarstellungsmodus 3). Jedes erkannte Wort wird so platziert und gestreckt, dass es das gedruckte Wort abdeckt, sodass die Markierung beim Suchen oder Markieren an der richtigen Stelle landet. Eine ToUnicode-Map teilt PDF-Readern mit, welche Zeichen der Text darstellt, sodass kopierter Text in jeder Sprache korrekt herauskommt.

Die besten OCR-Ergebnisse erzielen

ProblemWas hilft
Kleingedrucktes, Fußnoten, TabellenVerwende die Genauigkeitseinstellung 300 dpi.
Gemischte Sprachen (z. B. Englisch und Französisch)Wähle beide Sprachen; die Engine berücksichtigt beide Wörterbücher.
Mit dem Handy fotografierte SeitenFotografiere gerade von oben bei gutem Licht; vermeide Schatten und gewölbte Seiten.
Blasse oder graue ScansScanne erneut in Schwarzweiß oder Graustufen mit 300 dpi und höherem Kontrast.
HandschriftOCR-Engines sind auf gedruckten Text trainiert; Handschrift wird schlecht erkannt.

Genauigkeitseinstellungen erklärt

Vor der Erkennung wird jede Seite als Bild gerendert. Eine höhere Auflösung gibt der Engine mehr Pixel pro Buchstabe, was bei kleinem Text hilft, aber länger dauert. Als Faustregel funktionieren OCR-Engines am besten, wenn Großbuchstaben mindestens etwa 20 Pixel hoch sind. Bei 10-Punkt-Schrift sind Großbuchstaben bei 200 dpi etwa 20 Pixel und bei 300 dpi etwa 30 Pixel hoch.

Häufige Fragen

Was macht PDF OCR?

OCR (optische Zeichenerkennung) findet die Buchstaben in den Bildern einer gescannten PDF. Dieses Tool platziert die erkannten Wörter als unsichtbaren Text genau über den gedruckten Wörtern, sodass die PDF gleich aussieht, du sie aber durchsuchen, Text markieren und kopieren kannst.

Wie genau ist die OCR?

Saubere, gerade Scans von gedrucktem Text mit 200 bis 300 dpi erreichen meist eine Wortgenauigkeit von 95 bis 99 Prozent. Die Genauigkeit sinkt bei unscharfen oder schiefen Fotos, Handschrift, sehr kleiner Schrift, ungewöhnlichen Schriftarten und geringem Kontrast. Die Vorschau färbt jedes Wort nach Erkennungssicherheit ein, damit du zweifelhafte Stellen erkennst.

Welche Sprachen werden unterstützt?

Mehr als 70, darunter Englisch, Spanisch, Französisch, Deutsch, Portugiesisch, Italienisch, Russisch, Arabisch, Hindi, Chinesisch, Japanisch und Koreanisch. Wähle die Sprache, in der das Dokument geschrieben ist; die falsche Sprache verringert die Genauigkeit deutlich. Sprachdaten werden einmal heruntergeladen und von deinem Browser zwischengespeichert.

Verändert OCR das Aussehen meiner PDF oder verringert sie die Qualität?

Nein. Die Original-Seitenbilder bleiben unverändert und die Textebene ist unsichtbar. Die Dateigröße wächst nur leicht, meist um ein paar Kilobyte pro Seite.

Warum werden manche Seiten übersprungen?

Wenn „Seiten überspringen, die bereits markierbaren Text haben“ aktiviert ist, werden Seiten mit echtem Text (zum Beispiel in Word geschriebene Seiten) nicht erneut per OCR verarbeitet, weil ihr Text bereits durchsuchbar und genauer als OCR ist. Deaktiviere die Option, um jede Seite per OCR zu verarbeiten.

Wird mein Dokument auf einen Server hochgeladen?

Nein. Die PDF wird in deinem Browser mit pdf.js und Tesseract gerendert und erkannt. Nur die OCR-Engine und die Sprachdaten werden heruntergeladen; dein Dokument verlässt nie dein Gerät.

Wie lange dauert die OCR?

Auf einem modernen Computer meist 2 bis 10 Sekunden pro Seite, je nach Genauigkeitseinstellung und Textmenge auf der Seite. Der erste Durchlauf dauert länger, weil die Engine und die Sprachdaten heruntergeladen werden.

Werden alle Tools auf FreeToolCabin auf Qualität und Genauigkeit getestet?

Ja. Jedes Tool auf der Website durchläuft automatische Tests in echten Browsern, die prüfen, ob das Ergebnis stimmt und keine Fehler auftreten. Wenn du einen Fehler findest oder einen Vorschlag hast, schreib uns an [email protected] – wir sehen es uns an.

Ähnliche Tools

Alle PDF-Konverter ansehen →