Seitenweise OCR: vollständig, gezielt oder unterstützt
Bei PDFs mit bis zu 20 Seiten können alle Seiten, Bereiche wie 1-3,5 oder vermutlich gescannte Seiten lokal ausgewählt werden. Übersprungene Seiten behalten ihren vorhandenen nativen Text und erhalten keine neue OCR-Ebene. Die automatische Erkennung ist nur eine Heuristik: Bei Seiten mit Text und gescannten Bildern alle Seiten wählen. Ungültige Seitenbereiche werden vor der Texterkennung abgelehnt.
Gescannte PDF-Dateien und Bilder durchsuchbar machen
Ein Scan enthält oft nur ein Bild: Wörter lassen sich weder markieren noch durchsuchen. Dieses Werkzeug erkennt Text in PDF, JPG, PNG und WebP. Es erstellt ein durchsuchbares PDF und bietet den erkannten Text zusätzlich als separate TXT-Datei an.
Was bei einem PDF erhalten bleibt
Bei einem gescannten PDF bleibt das ursprüngliche Seitenbild erhalten. Eine zusätzliche Textebene macht erkannte Wörter durchsuchbar. Bei einem Bild wird die sichtbare Bildseite in ein neues PDF eingebettet. Das Ergebnis wird erneut geöffnet und auf eine Textebene geprüft; diese technische Prüfung beweist nicht, dass jedes Wort richtig erkannt wurde.
Nachweis der durchsuchbaren Textebene
Nach der Erkennung wird das erzeugte PDF erneut geöffnet. Alle unterschiedlichen positionierten OCR-Wörter werden mit dem tatsächlich aus den Ausgabeseiten extrahierten Text und bei bestehenden PDFs mit dem ursprünglichen auswählbaren Text verglichen. Bereits vorhandene Wörter zählen nicht als Nachweis einer neu hinzugefügten OCR-Ebene. Fehlen die Wortpositionen oder lässt sich die Textebene nicht bestätigen, wird kein fälschlich als geprüft bezeichnetes PDF angeboten. Wiederholte Wörter werden anhand ihrer Häufigkeit geprüft; ein einzelnes Vorkommen reicht nicht. Wortpositionen außerhalb der Seite und übermäßig große Textmengen werden zurückgewiesen. Diese technische Prüfung ersetzt keine Kontrolle wichtiger Namen, Beträge oder Daten.
Geprüfte Downloads und falsch bezeichnete Dateien
Vor der Erkennung vergleicht das Werkzeug die tatsächliche Dateisignatur mit Dateiendung und angegebenem MIME-Typ. Eine PDF-Datei, die nur in PNG umbenannt wurde, wird zurückgewiesen. Danach sind PDF- und TXT-Ausgabe an ihre ursprünglichen Prüfnachweise gebunden. Beim Download wird SHA-256 erneut berechnet; die PDF-Struktur und Seitenzahl werden nochmals geprüft. Eine neue Datei- oder Sprachauswahl verwirft das alte Ergebnis. Dies schützt die Auslieferung, nicht die Richtigkeit jedes erkannten Wortes.
OCR abbrechen und Ergebnis verwerfen
Mit „OCR abbrechen“ wird das aktuelle Ergebnis verworfen. Laufende Texterkennung und PDF-Rendering werden soweit unterstützt gestoppt. Falls ein Sprachmodell gerade geladen wird, kann die Initialisierung noch zu Ende laufen, bevor der Worker beendet wird. Abgebrochene Ergebnisse stehen nicht zum Download bereit; eine sofortige Speicherfreigabe wird nicht garantiert.
Datenschutz, Sprachen und Dateigrenzen
Die Datei wird im Browser verarbeitet und nicht an den OCR-Anbieter übertragen. OCR-Engine und Sprachmodelle können bei Bedarf heruntergeladen werden. Wähle Englisch, Deutsch, Spanisch oder eine unterstützte Kombination passend zum Dokument. Die Grenze liegt bei 20 MB pro Datei, 20 PDF-Seiten und 25 Megapixeln pro gerenderter Seite oder Bild.
Erkannten Text zuverlässig prüfen
OCR ist besonders hilfreich bei Rechnungen, Briefen, Formularen und gescannten Verträgen. Prüfe Zahlen, Namen, Datumsangaben, Sonderzeichen und wichtige Passagen anhand des Originals. Bei bereits markierbarem PDF-Text ist eine erneute OCR-Erkennung oft unnötig.
OCR für mehrere Dokumente im Stapel
Erkennen Sie bis zu sechs PDFs oder Bilder nacheinander und laden Sie verifizierte durchsuchbare PDFs und UTF-8-Texte als ZIP mit einem Fehlerbericht pro Datei herunter. Fehlgeschlagene Dateien gelten niemals als wiederhergestellt. Das OCR-Sprachmodell kann einen Download erfordern; Quelldokumente bleiben im Browser.
OCR-Stapelergebnisse erneut öffnen und prüfen
Nach der Erkennung lassen sich das gesamte ZIP oder einzelne durchsuchbare PDFs und UTF-8-Texte herunterladen. Jede akzeptierte Ausgabe besitzt einen SHA-256-Prüfwert. Das ZIP enthält ein Manifest, einen JSON-Bericht und einen gegen Tabellenformeln abgesicherten CSV-Prüfbericht. Ein gespeichertes ZIP kann später erneut geöffnet werden. Ein unabhängig erhaltener SHA-256-Wert kann einen Austausch der Datei aufdecken; das interne Manifest allein bestätigt nicht die Herkunft. Die Prüfung bestätigt Struktur und verfügbaren Text, nicht die Genauigkeit aller erkannten Wörter.
Nur abgelehnte OCR-Dateien erneut bearbeiten
Nach einem teilweisen OCR-Fehler können Sie nur ein oder mehrere abgelehnte Originale in beliebiger Reihenfolge auswählen. Dateiname, Größe und SHA-256 müssen mit dem Bericht übereinstimmen. Bereits verifizierte PDF- und TXT-Dateien bleiben bytegenau erhalten; nicht ausgewählte Fehler bleiben abgelehnt. Ein fehlgeschlagener Versuch gilt nie als Erfolg. Ältere Berichte ohne Quell-SHA-256 benötigen alle Originale in ursprünglicher Reihenfolge.