PDF Texterkennung (OCR)
Verwandle ein gescanntes Dokument in ein durchsuchbares PDF oder extrahiere den reinen Text, mit einer OCR-Engine, die vollständig auf deinem Gerät läuft. Die meisten kostenlosen OCR-Tools laden deinen Scan auf einen Server, um ihn zu lesen, dieses hier nicht.
Datei hierher ziehen oder zum Auswählen klicken
Deine Datei verlässt dein Gerät nicht. Sie wird nicht auf einen Server kopiert, nicht zwischengespeichert und nicht nach einer Stunde gelöscht. Jedes Tool auf dieser Seite arbeitet mit JavaScript direkt in dem Tab, den du gerade offen hast. Prüfen kannst du das selbst: Drücke F12, öffne den Tab „Netzwerk“ (in Chrome und Edge „Network“) und führe das Werkzeug aus. Es geht keine Anfrage mit deiner Datei hinaus.
So geht es Schritt für Schritt
- 1
PDF auswählen
Ziehe das gescannte PDF in das Feld oder wähle es aus. Es bleibt auf deinem Gerät.
- 2
Ausgabe wählen
Wähle die Ausgabe: „Durchsuchbares PDF erstellen“ behält die ursprünglichen Seitenbilder und fügt eine markierbare Textebene hinzu, „Nur den Text extrahieren (.txt)“ liefert eine reine Textdatei.
- 3
OCR ausführen
Klicke auf „OCR ausführen“ und warte, während jede Seite gelesen wird. Bei mehreren oder großen Seiten dauert es länger, weil dein Gerät die Arbeit übernimmt.
- 4
Herunterladen
Lade das Ergebnis herunter: ein durchsuchbares PDF (Zusatz -searchable) oder eine .txt-Datei (Zusatz -ocr), je nach Auswahl.
Grenzen in einfachen Worten
- Deutlich langsamer als ein Server-Dienst, weil dein Gerät statt eines Rechenzentrums die Erkennung übernimmt. Lange oder mehrseitige Scans können eine Weile dauern.
- Die Genauigkeit hängt von der Scanqualität ab. Klare, gerade gescannte Seiten mit gedruckter Schrift liefern die besten Ergebnisse. Handschrift, schiefe Fotos oder sehr kleine Schrift verschlechtern die Erkennung. Das ist eine Grenze der OCR-Technik allgemein, keine Fehlfunktion des Tools.
- Beim ersten Durchlauf werden OCR-Engine und Sprachdaten heruntergeladen (wenige Megabyte), bevor es losgeht. Danach werden sie im Browser zwischengespeichert.
- Es wird nur das englische Sprachmodell geladen, eine Sprachauswahl gibt es nicht. Bei deutschen Texten können Umlaute und ß deshalb häufiger falsch erkannt werden, kontrolliere das Ergebnis.
- Ein passwortgeschütztes PDF musst du zuerst entsperren, weil die Seiten zum Erkennen direkt geöffnet werden.
PDF Texterkennung (OCR): was schwer lesbar ist, Ergebnis prüfen
- Handschrift. Diese Engine ist auf gedruckten Text trainiert. Schreibschrift oder handschriftliche Notizen führen zu verstümmelter oder fehlender Ausgabe, nicht zu einer bestmöglichen Abschrift.
- Schiefe oder gedrehte Seiten. Eine auch nur leicht schief gescannte Seite wird schlechter gelesen als eine gerade: Drehe sie zuerst mit PDF drehen, wenn ein Scan quer hereingekommen ist.
- Fotos mit niedriger Auflösung oder geringem Kontrast. Ein Handyfoto, das schräg, bei schlechtem Licht oder stark komprimiert aufgenommen wurde, verliert die Zeichendetails, die OCR braucht: Ein Flachbettscan wird weit genauer gelesen.
- Andere Sprachen als Englisch. Dieses Werkzeug lädt derzeit nur das englische Sprachmodell. Text in anderen Sprachen wird schlecht oder gar nicht erkannt.
- Komplexe Tabellen und mehrspaltige Layouts. OCR liest Text von links nach rechts und von oben nach unten gut, aber die Struktur einer Tabelle (welche Zelle zu welcher Zeile gehört) bleibt nicht erhalten: Erwarte die Wörter, nicht das Layout.
- Text mit Wasserzeichen oder geringem Kontrast. Text, der von einem Wasserzeichen, einem Stempel oder einer hellen Hintergrundfarbe überlagert wird, lässt sich schwerer vom Hintergrund trennen als sauberer schwarzer Text auf Weiß.