OCR op een PDF toepassen
Een gratis tool die de tekst in gescande PDF’s leest met OCR (optische tekenherkenning) en ze omzet in doorzoekbare PDF’s. De gelezen tekst wordt als onzichtbare tekst aan de pagina’s toegevoegd, dus de pagina’s zien er hetzelfde uit. Je PDF wordt in je browser verwerkt en nooit geüpload. Je kunt tot 200 pagina’s per keer laten lezen (30 pagina’s op apparaten waarop de verwerking langer duurt). Je kunt PDF’s tot 200 MB per bestand openen (100 MB op telefoons en tablets).
Alleen als een PDF pagina’s bevat waarvan de tekst een afbeelding is, wordt bij de eerste keer een AI-model (ongeveer 17 MB) van deze site gedownload; daarna wordt de kopie gebruikt die in je browser is opgeslagen. Je PDF’s worden nooit geüpload.
Instellingen
Zo werkt het
- 1
PDF’s toevoegen
Kies de PDF’s die je wilt laten lezen of sleep ze hierheen. Je kunt meerdere PDF’s tegelijk toevoegen. Je PDF’s worden nooit geüpload.
- 2
Taal van het document kiezen
Kies bij “Taal van het document” de taal waarin de PDF is geschreven. Wil je maar een deel van de pagina’s laten lezen, vul ze dan in bij “Paginabereik”.
- 3
Lezen en opslaan
Druk op “Starten” om de pagina’s waarvan de tekst een afbeelding is te lezen en een PDF met een tekstlaag te maken. Sla die op met “Opslaan” en controleer de herkende regels met “Herkende tekst controleren”.
Over OCR voor PDF’s
Tekst wordt gelezen met het tekstherkenningsmodel van PaddleOCR (PP-OCRv6, Apache-2.0), dat in je browser draait. Alleen als een PDF pagina’s heeft waarin de tekst een afbeelding is, wordt bij de eerste keer het AI-model (ongeveer 17 MB) van deze site gedownload; daarna wordt de kopie gebruikt die in je browser is opgeslagen. Op apparaten die de GPU (WebGPU) niet kunnen gebruiken, draait de verwerking op de CPU en duurt ze langer dan op de GPU. Nadat de eerste pagina is gelezen, schat de tool de totale tijd op basis van hoe lang die pagina op je apparaat duurde en toont die. De onzichtbare tekst gebruikt een lettertype dat is gemaakt van GlyphLessFont van Tesseract (Apache-2.0).
Pagina’s die al tekstgegevens hebben en pagina’s die al een OCR-tekstlaag hebben, worden niet gelezen en blijven zoals ze zijn. Op pagina’s met zowel tekstgegevens als afbeeldingen worden alleen de delen gelezen die de tekstgegevens niet overlappen. Pagina’s met verminkte tekstgegevens (bij het selecteren van de tekst krijg je andere tekens) krijgen geen tekstlaag. Als je bij “Taal van het document” Japans kiest, wordt de herkenning beperkt tot de tekens die in Japanse documenten worden gebruikt, en als je Koreaans kiest, wordt een Koreaans model gebruikt (ongeveer 13 MB, dat geen Chinese karakters kan lezen). Druk op “Herkende tekst controleren” om de herkende regels omlijnd op de pagina te zien, waarbij regels met een grotere kans op fouten in een andere kleur worden getoond.
Specificaties van deze tool
- Invoer
- Uitvoer
- Limieten
- Geen limiet op het aantal bestanden (batchverwerking). Tot 200 MB per bestand (100 MB op telefoons en tablets). Tot 200 pagina’s per keer gelezen (30 pagina’s op apparaten die op de CPU verwerken)
- Gratis, zonder registratie, zonder app te installeren
- Bestanden worden nooit geüpload (verwerkt in je browser)
Veelgestelde vragen
Wordt mijn PDF naar een server gestuurd?
Nee. Het openen van de PDF, het lezen van de tekst en het opslaan gebeuren allemaal in de browser op je apparaat. Statistieken die ons helpen fouten op te lossen (het bereik van het aantal pagina’s, de bereiken van hoeveel pagina’s en regels zijn gelezen, het bereik van de tijd per pagina, soorten fouten enzovoort) worden naar de server van deze site gestuurd. Daar horen de inhoud van de PDF, de herkende tekst, bestandsnamen, wachtwoorden en de paginabereiken die je invoert niet bij. Je kunt de statistieken uitzetten met de schakelaar “Verwerkingsstatistieken versturen” onderaan de pagina.
Kan het een met een wachtwoord beveiligde PDF lezen, of een PDF die de auteur heeft beperkt?
Ja. Een met een wachtwoord beveiligde PDF gaat open zodra je het wachtwoord om te openen invoert. Als de auteur het wijzigen van de inhoud of het kopiëren en extraheren heeft beperkt, leest de tool de PDF pas nadat je het wachtwoord voor machtigingen hebt ingevoerd (een tekstlaag toevoegen zou de beperkte tekst extraheerbaar maken). Deze tool raadt geen wachtwoorden; als je het wachtwoord voor machtigingen niet kent, vraag het dan aan degene die de PDF heeft gemaakt. De versleuteling van de oorspronkelijke PDF blijft in de opgeslagen PDF zoals hij is. Als de PDF een digitale handtekening heeft, is de handtekening in de opgeslagen PDF niet meer geldig.
Kan het verticale tekst of handschrift lezen?
Het is gemaakt voor gedrukte, horizontaal geschreven tekst. Het leest ook pagina’s met verticale tekst, maar met meer fouten dan bij horizontale tekst, en het kan leestekens missen. Handgeschreven tekst wordt niet ondersteund.
Kan de herkende tekst fouten bevatten?
Ja. Afhankelijk van de tekstgrootte, de scanresolutie en vlekken of scheefstand op het papier kunnen sommige tekens verkeerd worden gelezen of worden overgeslagen. Getallen die in tabellen ver uit elkaar staan, worden vaker verkeerd gelezen dan andere tekst. Als “Japans” als taal van het document is gekozen, kunnen tekens buiten de kanjireeksen JIS-niveau 1 en 2 en emoji als gelijkende tekens worden gelezen. Controleer vóór je de opgeslagen PDF gebruikt de regels met een grotere kans op fouten met “Herkende tekst controleren”. Deze tool kan de herkende tekst niet corrigeren.
Help ons de dienst te verbeteren
Mislukt een conversie, dan helpt het ons bij het opsporen van de oorzaak als je ons de omstandigheden stuurt. Als we weten op welke apparaten en bij welke formaten het vaak misgaat en hoe lang de verwerking duurt, kunnen we de ondersteunde formaten herzien en de onderliggende fouten oplossen. Als je er geen bezwaar tegen hebt, help je ons echt door dit aan te laten staan.
Wat wordt verstuurd
- De tool die je hebt gebruikt en de instellingen die je hebt gekozen (uitvoerformaat, kwaliteit enz.)
- De specificaties van je apparaat (GPU, geheugen, aantal kernen)
- Het invoerformaat met een globale grootte
- Hoeveel bestanden zijn geslaagd of mislukt en hoe lang het duurde
- Het type en de details van de fout als er iets misgaat
Wat nooit wordt verstuurd
- De bestanden zelf en bestandsnamen
- De tekst in PDF’s, de tekst die je hebt herschreven of zwartgelakt, wachtwoorden, namen van lettertypen en de paginabereiken die je invoert
- De herkende tekst en de posities van de herkende regels
- IP-adressen
De gegevens gaan alleen naar de eigen server van deze site, nooit naar een externe dienst.
Zie voor de volledige lijst, inclusief de details die elke tool verstuurt, “Verwerkingsstatistieken” in het privacybeleid.
Details die deze tool verstuurt (alleen aantallen, tijden, soorten en ja/nee)
Naast “Wat wordt verstuurd” verstuurt deze tool de volgende details.
- PDF-tools (alle)
- Het bereik van het aantal pagina’s, of bewerken beperkt is, of er een wachtwoord voor machtigingen is ingevoerd en of de PDF ondertekend of versleuteld is.
- OCR voor PDF’s
- Het aantal invoer- en uitvoerbestanden, gelezen pagina’s, gelezen pagina’s waarop geen tekst is gevonden, pagina’s met tekstgegevens die niet zijn gelezen, pagina’s met zowel tekstgegevens als afbeeldingen, pagina’s die al een OCR-tekstlaag hadden, pagina’s met onleesbare tekstgegevens, lege pagina’s, pagina’s die geen tekstlaag konden krijgen, pagina’s waarvan de oriëntatie is gecorrigeerd en pagina’s waarop een niet-afgesloten gedeelte van de oorspronkelijke inhoud is afgesloten, gelezen regels en tekens, gebieden en tekens die niet zijn gelezen omdat ze bestaande tekst of annotaties overlapten, en keren dat de tekstlaag is toegevoegd (alle als bereik), de bereiken van het aandeel verticale regels en van regels met een grotere kans op fouten, de bereiken van de tijd per pagina en van de laadtijd van het AI-model, het type en de versie van het AI-model en of het is gedownload, het bereik van de weergaveresolutie en of die is verlaagd, het bereik van het aantal delen waarin een afbeelding is opgesplitst om tekst te zoeken, of de geschatte tijd meer dan 15 minuten bedroeg, of de GPU onbruikbaar werd, en of de oorspronkelijke beveiliging opnieuw is toegepast.