Was ein durchsuchbares PDF ist
Ein Scanner, ein Kopierer oder eine Scan-App auf dem Handy speichert jede Seite als Bild. Du kannst sie lesen, aber Strg+F findet nichts und du kannst kein einziges Wort markieren. OCR (optische Zeichenerkennung) findet die Buchstaben in diesen Bildern und macht daraus echten Text.
Dieses Tool legt den erkannten Text als unsichtbare Ebene genau über die gedruckten Wörter ins PDF. Die Seiten sehen aus wie vorher, denn der Scan selbst wird weder verändert noch neu komprimiert. Trotzdem kannst du jetzt im Dokument suchen, Sätze markieren und kopieren, und Dokumentenablagen und Suchwerkzeuge können es indexieren.
Gemischte Dokumente und Sprachen
Wähl die Sprache, in der das Dokument geschrieben ist. Mischt es zwei, zum Beispiel ein deutscher Vertrag mit englischen Fachbegriffen, nimm die zweite Sprache dazu und beide werden zusammen erkannt. Buchstaben wie ä, ö, ü, ß, é und ç bleiben im durchsuchbaren PDF und in der Textdatei erhalten.
Seiten, die schon echten Text enthalten, etwa am Computer erstellte Seiten oder ein PDF, das schon einmal per OCR bearbeitet wurde, werden automatisch erkannt und bleiben unverändert. Ihr Text landet trotzdem in der TXT-Datei.
So klappt die Erkennung gut
Saubere Scans von gedrucktem Text mit 200 bis 300 DPI ergeben die beste Genauigkeit. Vor dem Lesen werden die Seiten mit etwa 300 DPI gezeichnet, kleine Schrift wird also vergrößert. Handschrift, sehr blasse Kopien und Text auf unruhigem Hintergrund sind für jede OCR schwierig, prüf Namen und Zahlen also, bevor du dich darauf verlässt.