OCR PDF

Un PDF ricercabile, a volte chiamato immagine più testo, conserva due elementi per pagina: la scansione originale come immagine e un livello invisibile di testo riconosciuto posizionato esattamente sopra le parole stampate. I visualizzatori mostrano l'immagine e usano il testo per ricerca, selezione, copia e lettori di schermo. L'aspetto non cambia affatto, ed è per questo che archivi, studi legali e uffici di gestione documentale lo preferiscono per la carta scansionata.

Il PDF è diventato lo standard aperto ISO 32000 nel 2008, e il PDF/A, il profilo per l'archiviazione definito nella ISO 19005, è molto usato per documenti scansionati che devono restare leggibili per decenni. Adobe Acrobat offre la stessa operazione con lo strumento Scansiona e OCR, e molti scanner da ufficio hanno un'uscita "PDF ricercabile"; qui il risultato è un normale PDF che si apre in qualsiasi visualizzatore.

Il PDF ricercabile è la scelta giusta quando la scansione stessa è il documento ufficiale: un contratto firmato, un atto, un referto medico. Le altre uscite creano un nuovo documento dalle parole riconosciute, utile se devi modificare, ma la copia è valida quanto il riconoscimento. Per ottenere un Word da un PDF che contiene già testo reale usa da PDF a Word, che legge il testo esistente senza OCR; per avere solo le parole, PDF scansionato in testo è pensato proprio per questo.

Un livello di testo aggiunge poco al peso del file, perché il testo è minuscolo rispetto alle immagini delle pagine. Se la scansione era già troppo grande per un modulo di caricamento, esegui prima l'OCR e poi comprimi il PDF alla dimensione consentita dal modulo.