Skannet PDF til tekst
Hvis du ikke kan markere et eneste ord i en PDF, er den skannet: en bunke sidebilder uten tekst inni. Last den opp her, så leser tekstgjenkjenningen hver side tilbake til ren tekst du kan kopiere, søke i og redigere.
Bilde til tekst
eller slipp PDF, JPG, JPEG …-filer her ·
Maks 95 MB per fil· Opptil 20 filer· Slettes etter 30 minutter
Filene behandles på serverne våre og slettes etter 30 minutter.
For sider som blander to språk, f.eks. hindi med engelske ord. La stå på ingen ellers, siden et ekstra språk senker treffsikkerheten litt.
Bevar beholder spalter, avsnitt og tabeller der de var. Ren gir én sammenhengende tekstblokk som er enklere å lime inn i skjemaer.
For PDF og TIFF med flere sider: les alle sider, bare den første, eller et område.
Sider som skal leses, f.eks. 1-3, 5, 8-10.
Slik bruker du dette verktøyet
- 1
Last opp den skannede PDF-en
Legg til PDF-en, eller opptil 20 stykker, hver på opptil 95 MB. TIFF-skanninger med flere sider og bilder med én side fungerer også.
- 2
Velg språk og sider
Dokumentspråk er engelsk og Utdata er Ren tekst (.txt). Endre språket for andre dokumenter, og bruk Sider under Avanserte innstillinger for å lese bare et utvalg av en lang fil.
- 3
Gjenkjenn teksten
Trykk på Gjenkjenn tekst. Sidene rettes opp og settes riktig vei først, og leses deretter i rekkefølge til én tekstfil.
Skannet PDF eller søkbar PDF: hvorfor teksten mangler
- PDF med bare bilderskannet PDF · ikke-søkbar PDF · flat PDF
- En PDF der sidene er lagret som bilder, vanligvis laget av en skanner, skann-til-e-post-funksjonen på en kopimaskin eller en skanneapp på mobilen. Den ser ut som et dokument, men inneholder ingen tegnkoder, så ingenting kan markeres, søkes i eller leses opp.
En vanlig PDF eksportert fra Word eller en nettleser inneholder tekstobjekter: hvert ord er lagret som tegn med en skrifttype og en posisjon, så søk og kopiering fungerer. En skanner hopper over alt dette og lagrer ett bilde per side. For en datamaskin er siden med kontrakten din samme type data som et bilde av en katt.
OCR bygger opp det manglende laget. Sidebildet renses, linjer og ord finnes, og hver tegnform sammenlignes med alfabetet i valgt Dokumentspråk. Denne siden gir resultatet som ren tekst. En søkbar PDF er det andre vanlige resultatet: skanningen forblir synlig, og de gjenkjente ordene legges bak som usynlig tekst, en gjengivelsesmodus PDF-standarden ISO 32000 alltid har tillatt.
Gratisversjonen av Adobe Acrobat Reader kan vise en skanning, men utfører ikke OCR; tekstgjenkjenning er en del av de betalte Acrobat-versjonene. En konverter er snarveien når du trenger ordene én gang og ikke vil ha enda et abonnement. Hvis skanningene dine fortsatt blir dårlige, tar guiden vår om hvordan skanne dokumenter til PDF for seg innstillinger for skanner og mobil.
Skanneoppløsning for å hente tekst fra en skannet PDF
| Size | Pixels | cm | in | DPI | Fits |
|---|---|---|---|---|---|
| Letter | 1700 × 2200 | 21,59 × 27,94 | 8,5 × 11 | 200 | Bare stor, ren skrift; liten tekst blir gjettet |
| Letter | 2550 × 3300 | 21,59 × 27,94 | 8,5 × 11 | 300 | Standard for OCR av trykte sider |
| A4 | 2480 × 3508 | 21 × 29,7 | 8,27 × 11,69 | 300 | Samme detaljnivå på A4-papir |
| A4 | 3307 × 4677 | 21 × 29,7 | 8,27 × 11,69 | 400 | Fotnoter, liten skrift, gamle skrivemaskinsider |
Når skannet PDF til tekst gir feil resultat
Ordene blir meningsløse på hele siden
Siden er sannsynligvis på et annet språk eller skriftsystem. Sett Dokumentspråk til det som passer, og legg til Gjenkjenn også for et andre språk på samme side.
Linjer er brutt midt i setninger og ord ender med bindestrek
Det følger de trykte linjeskiftene. Velg Ren tekstflyt under Tekstoppsett for én sammenhengende tekstblokk; gjenværende bindestreker krever et raskt søk og erstatt.
Noen sider mangler i tekstfilen
Sjekk at Sider står på Alle sider under Avanserte innstillinger. Et utvalg som 1-3 begrenser gjenkjenningen med vilje.
Portable Document Format
PDF ble laget av Adobe i 1993 og ble den åpne ISO 32000-standarden i 2008. Det låser tekst, skrifter, bilder og oppsett slik at et dokument ser likt ut på alle skjermer og skrivere. PDF-er kan inneholde skjemaer, signaturer, lenker, vedlegg og søkbar tekst, og varianten PDF/A brukes til langtidsarkivering. Det faste oppsettet gjør PDF-er vanskelige å redigere, og skannede PDF-er inneholder bare bilder med mindre OCR brukes. Alle nettlesere og operativsystemer kan åpne dem.
- Komprimering
- –
- Gjennomsiktighet
- Ja
- Animasjon
- Nei
- Introdusert
- 1993 · Adobe
TXT
Ren tekst
En TXT-fil inneholder bare vanlige tegn uten formatering, skrifter, bilder eller layout. Moderne tekstfiler er vanligvis kodet i UTF-8, som dekker alle språk, mens eldre filer kan bruke andre kodinger og vise feil tegn. Ren tekst er liten, blir aldri utdatert og åpnes på alle enheter, fra telefoner til servere. Den kan ikke inneholde fet tekst, tabeller eller bilder, så struktur må uttrykkes med mellomrom eller enkel markering.
- Komprimering
- –
- Gjennomsiktighet
- –
- Animasjon
- –
- Introdusert
- –
En skannet PDF lagrer bilder av sidene, så ordene kan ikke kopieres, søkes i eller indekseres. Når de gjenkjennes til en TXT-fil, blir skanningen til tekst som fungerer i en editor, en oversetter eller et søkefelt.
Spørsmål om skannet PDF til tekst
Hvordan ser jeg om PDF-en er skannet eller allerede inneholder tekst?
Prøv å markere en setning eller søke etter et ord med Ctrl+F eller Command+F. Hvis markøren markerer hele siden som et bilde og søket ikke finner noe, er det en skanning som bare består av bilder, og den trenger OCR. Hvis ordene markeres som normalt, finnes teksten allerede, og PDF til TXT henter den ut nøyaktig, uten tekstgjenkjenning.
Er ren tekst eller en søkbar PDF det beste resultatet?
Ren tekst er for å gjenbruke ordene: sitere, oversette, lime inn i en database eller en e-post. En søkbar PDF beholder utseendet til skanningen og skjuler teksten bak den, noe som passer for arkiver og kontrakter. Hvis du vil ha det siste, er OCR PDF laget for det.
Hvilken skanneoppløsning gir best tekst fra en PDF?
300 DPI for vanlige trykte sider. Dokumentasjonen til Tesseract beskriver at nøyaktigheten faller for tekst under omtrent 10 pt ved 300 DPI, så fotnoter og liten skrift får nytte av 400 DPI. 600 DPI hjelper sjelden på OCR og gjør PDF-en flere ganger større.
Kan jeg hente tekst fra en skannet PDF av en maskinskrevet eller gammel bokside?
Vanligvis ja. Skrivemaskin- og boktype er vanlige trykte bokstaver, og Rett opp sider retter opp skjevheten som ofte kommer av å skanne en innbundet bok. Svært bleke sider leses bedre med Forbedre kontrast slått på.
Hvorfor blir teksten fra en side med to spalter blandet sammen?
Kolonner holdes adskilt når Tekstoppsett står på Bevar oppsett, som er standard her. Hvis linjer fra begge kolonnene fortsatt veksler, er mellomrommet mellom dem smalt på skanningen; en renere skanning med rette sider løser det som regel.
- OCR PDFLegg et søkbart tekstlag på skannede PDF-er, eller hent ut teksten til Word eller TXT. 34 språk, sideutvalg, 20 filer om gangen, gratis.
- PDF til TXT-konverterKonverter PDF til TXT gratis på nett. Digitale sider beholder nøyaktige tegn, skannede sider går gjennom OCR, og du får én UTF-8 .txt-fil per PDF.
- OCR på nettGratis OCR på nett for bilder, skjermbilder og skannede PDF-er. Kopier teksten, eller lagre som Word, søkbar PDF eller Markdown.
- PDF til Word-konverterKonverter PDF til Word du faktisk kan redigere. Teksten flyter i vanlige avsnitt, skannede sider får OCR på 34 språk, opptil 20 filer om gangen.
- Bilde til Word-konverterGjør skjermbilder, skann og foto om til redigerbart Word-dokument. Leser 34 språk, flerspråklige sider og tydelig håndskrift. Gratis, uten registrering.