Gescanntes und durchsuchbares PDF: Was ist der Unterschied?
Prüfen Sie, ob die Seiten Bilder, eine Textebene oder beides enthalten.
Einleitung
Zwei PDFs können identisch aussehen, verhalten sich aber unterschiedlich. In einem können Sie Wörter hervorheben und suchen. In einem anderen verhält sich jede Seite wie ein Foto. Der Unterschied besteht in der Regel darin, ob das PDF verwendbare Textinformationen enthält.
Was ist ein gescanntes PDF?
Ein gescanntes PDF wird oft erstellt, indem Papierseiten gescannt oder fotografiert und die Bilder in einem PDF gespeichert werden. Die sichtbaren Buchstaben sind Pixel, nicht unbedingt tatsächliche Textzeichen. Ohne eine Textschicht können Sie die Wörter in der Regel nicht direkt suchen oder kopieren.
Was ist ein durchsuchbares PDF?
Ein durchsuchbares PDF enthält Text, den ein kompatibler Leser finden kann. Es wurde möglicherweise direkt aus Word exportiert, oder es handelt sich um einen Scan mit einer OCR-generierten Textschicht. Ein durchsuchbarer Scan kann das ursprüngliche Seitenbild bewahren und gleichzeitig unsichtbaren erkannten Text hinzufügen.
Die Durchsuchbarkeit garantiert keine genaue Erkennung, Bearbeitbarkeit oder Zugänglichkeit.
Hauptunterschiede
| Merkmal | Scan mit reinen Bildseiten | Durchsuchbares PDF |
|---|---|---|
| Sichtbares Aussehen | Seitenbilder | Digitale Seiten oder gescannte Bilder |
| Wörter finden | Normalerweise keine | Normalerweise ja |
| Text kopieren | Erfordert OCR | Oft möglich |
| Erkennungsfehler | Kein erkannter Text | Möglich mit OCR |
| Bearbeitbares Layout | Nicht direkt | Nicht unbedingt |
| Barrierefreiheit | Begrenzt | Erfordert zusätzliche Struktur |
So identifizieren Sie Ihr PDF
Versuchen Sie zunächst, ein einzelnes Wort auszuwählen. Als nächstes verwenden Sie Find, um nach einer unverwechselbaren Phrase zu suchen. Fügen Sie schließlich kopierten Text in einen Klartext-Editor ein und vergleichen Sie ihn mit der Seite. Die fehlgeschlagene Suche kann auch aus einer schlechten Kodierung resultieren, so dass kein einziger Test schlüssig ist.
Wie man einen Scan durchsuchbar macht
Schritt 1: Die Seiten vorbereiten
Verwenden Sie klare, aufrechte Scans mit ausreichendem Kontrast. Vermeiden Sie Schnittkanten, Schatten und Bewegungsunschärfe.
Schritt 2: Wählen Sie OCR-Software
Wählen Sie ein Tool aus, das die optische Zeichenerkennung und die Sprache des Dokuments explizit unterstützt. Nicht jeder PDF-Konverter enthält OCR.
PDFreevert bietet derzeit keine OCR-Funktion. Verwenden Sie eine separate Anwendung mit OCR-Unterstützung, um reine Bildscans durchsuchbar zu machen.
Schritt 3: Text erkennen
OCR ausführen. Je nach Tool kann die Ausgabe ein durchsuchbares PDF oder ein editierbares Dokument sein.
Schritt 4: Genauigkeit überprüfen
Suchen Sie nach mehreren Ausdrücken und kopieren Sie repräsentative Textabschnitte. Prüfen Sie Namen, Datumsangaben, Summen und Kennungen sorgfältig, da OCR Zeichen wie O und 0 verwechseln kann.
Schritt 5: Behalte das Original
Bewahren Sie den ursprünglichen Scan als Referenz auf, insbesondere wenn Genauigkeit oder Aufzeichnungsintegrität von Bedeutung sind.
Welchen Typ sollten Sie verwenden?
Image-only PDFs können für einfache visuelle Freigabe ausreichend sein. Durchsuchbare PDFs sind nützlicher für Recherchen, Dokumentensammlungen und den Informationsabruf. Wenn Sie Absätze bearbeiten oder Tabellen extrahieren müssen, sind möglicherweise zusätzliche Konvertierungen und Überprüfungen erforderlich.
Häufige OCR-Probleme
Mehrspaltige Seiten können eine falsche Lesereihenfolge erzeugen. Handschrift und ungewöhnliche Schriften können schlecht erkannt werden. Eine Textschicht kann Fehler enthalten, auch wenn der sichtbare Scan perfekt aussieht. Die Durchsuchbarkeit ersetzt auch nicht das zugängliche Tagging und die logische Lesereihenfolge.
Häufig gestellte Fragen
Kann ein gescanntes PDF durchsuchbar werden?
Ja, indem Sie erkannten Text über OCR hinzufügen.
Ändert OCR immer das Aussehen?
Nein. Einige Workflows behalten die Originalseitenbilder bei.
Ist ein durchsuchbares PDF vollständig editierbar?
Nein. Die Bearbeitung erfordert oft einen PDF-Editor oder eine Konvertierung in ein anderes Format.
Warum enthält kopierter Text Fehler?
OCR-Erkennung oder Charakterzuordnung kann falsch sein.
Macht PDF/A einen Scan automatisch durchsuchbar?
Nein. Archivkonformität und OCR sind separate Anliegen.
Fazit
Ein Nur-Bild-Scan bewahrt, wie eine Seite aussieht; ein durchsuchbares PDF bietet auch Textinformationen. Verwenden Sie OCR, wenn die Suche oder Extraktion wichtig ist, und überprüfen Sie wichtige Ergebnisse. Für andere PDF-Workflows besuchen Sie PDFreevert.