pdfMB

OCR PDF

Gör en skannad PDF sökbar och kopiera texten. Sidorna ser exakt likadana ut, och din fil stannar på den här enheten.

  • Ingen uppladdningDin fil stannar på den här enheten.
  • Språkdata hämtas en gångBara läsdatan för dina språk hämtas och sparas sedan på den här enheten.
  • Gratis, utan kontoInget konto och ingen daglig gräns.

Vad som händer med din fil

Allt nedan sker i din webbläsare, på din egen enhet. Din PDF eller dina foton laddas aldrig upp, så ingen annan, inte heller vi, kan se dem.

  1. Textläsaren är Tesseract, en gratis OCR-motor med öppen källkod som körs i din webbläsare. Den laddas från pdfMB självt, inte från ett annat företags server.
  2. Första gången du använder ett språk laddas dess data (mellan 0,5 och 3 MB) ned från pdfMB och sparas av din webbläsare. Det är den enda nedladdningen: din fil skickas ingenstans.
  3. Varje sida ritas som en bild i 300 dpi och läses rad för rad. Sidor som redan har riktig text hoppas över, om du inte ber om dem.
  4. Orden som hittas läggs till på sidan som osynlig text, placerad över samma ord i bilden. Sökning, markering och kopiering fungerar sedan i alla PDF-läsare.
  5. Inget på sidorna ritas om eller komprimeras på nytt. Den nya texten läggs till i slutet av filen, och originalfilen finns kvar inuti den, oförändrad byte för byte.
  6. Foton läggs i PDF:en som de är (JPEG-foton komprimeras inte på nytt), och texten läggs ovanpå dem.
Kort sagt
  1. Välj en PDF eller foton
  2. Kontrollera språken
  3. Tryck på ”Läs”
  4. Ladda ned eller kopiera texten

Så gör du en skannad PDF sökbar

  1. Välj en PDF, eller ett eller flera foton av sidor.
  2. Kontrollera språken. Språket på den här sidan och engelska är redan valda; lägg till alla andra språk som förekommer i dokumentet.
  3. Tryck på ”Läs”. Sidorna läses en i taget, och du ser vilken sida som läses.
  4. Ladda ned den sökbara PDF:en, eller kopiera texten och spara den som en .txt-fil.

Tips för ett bra resultat

  • Skanna i 300 dpi om skannern låter dig välja. Vid lägre upplösning är små bokstäver svåra att läsa.
  • Fotografera sidorna plant, rakt ovanifrån och i bra ljus, utan skugga över texten. Verktyget ”Skanna till PDF” rätar upp sidorna åt dig.
  • Vrid sidor som ligger på sidan eller upp och ned rätt först, med ”Vrid PDF”.
  • Välj bara de språk som verkligen finns i dokumentet. Extra språk gör läsningen långsammare och kan ge fler fel.
  • Handskrift, mycket liten text och dekorativa typsnitt läses dåligt, så kontrollera texten innan du förlitar dig på den.

När man använder det

Skannade avtal och brev

Hitta ett namn, ett datum eller ett belopp i ett långt skannat dokument med Ctrl+F i stället för att läsa varje sida.

Gamla papper och arkiv

Gör mappar med skannade sidor sökbara, så att datorn kan hitta ett dokument utifrån orden i det.

Foton av anslag och kvitton

Kopiera texten från ett foto av ett anslag, en meny eller ett kvitto och klistra in den i ett meddelande eller en översättningstjänst.

Dokument på flera språk

Välj två eller fler språk, till exempel thai och engelska eller kinesiska och engelska, så läses båda på samma sida.

Det här klarar det inte

  • OCR gör fel, särskilt med suddiga foton, liten text, tabeller och handskrift. Kontrollera alltid namn, siffror och belopp som är viktiga.
  • Text läses i vågräta rader. Lodrät kinesisk eller japansk text, och sidor som ligger på sidan, läses inte rätt.
  • Layouten byggs inte upp på nytt. Du får sökbar text över originalsidan, inte ett redigerbart Word-dokument.
  • Vissa språk läses mindre exakt än andra i våra tester. De är markerade med ”lägre noggrannhet” i språklistan.
  • Språkdata laddas ned första gången du använder ett språk (storleken visas innan du börjar), så den första gången behövs en internetanslutning.
  • Läsningen sker på din enhet, så den går långsammare på äldre mobiler, och mycket långa dokument kan ta slut på en mobils minne. Dela upp dem i delar först.
  • Lösenordsskyddade PDF:er, och PDF:er där ägaren har spärrat ändringar, kan inte läsas.

Frågor om OCR

Vad är OCR?

OCR (optisk teckenigenkänning) innebär att bokstäverna i en bild läses och görs om till riktig text. En skannad PDF består bara av bilder av sidor, så du kan inte söka i den eller kopiera från den förrän den har gått igenom OCR.

Kommer min PDF att se annorlunda ut?

Nej. Texten läggs till som ett osynligt lager, så sidorna ser exakt likadana ut. I våra tester är sidorna identiska, pixel för pixel, före och efter.

Laddas mitt dokument upp?

Nej. Textläsaren körs i din webbläsare. Det enda som laddas ned är språkdatan, från pdfMB. Din fil skickas aldrig någonstans.

Vilka språk kan det läsa?

Webbplatsens 32 språk, bland annat engelska, thai, kinesiska (förenklad och traditionell), japanska, koreanska, arabiska, hebreiska, hindi, bengali, burmesiska, ryska och vietnamesiska. Välj flera om dokumentet blandar språk.

Hur exakt är det?

På rena tryckta sidor blir nästan alla tecken rätt i de flesta språk. Foton, liten text och vissa skriftsystem är svårare. Vi har testat varje språk och markerar de svagare med ”lägre noggrannhet”.

Varför hoppas vissa sidor över?

Sidor som redan har riktig text, till exempel sidor som skapats i Word, behöver ingen OCR och lämnas därför som de är. Kryssa i ”Läs även sidor som redan har text” för att läsa dem ändå.

Kan jag få bara texten?

Ja. Efter läsningen visas texten under nedladdningsknappen. Tryck på ”Kopiera text”, eller på ”Ladda ned .txt” för att spara den som en vanlig textfil.