PDF scansionato in Word: perché la formattazione si rompe

Un PDF scansionato non è un documento Word pronto da aprire. È una serie di fotografie delle pagine: prima di poter modificare qualcosa, qualcuno deve leggere le lettere dalle immagini e poi indovinare dove stanno paragrafi, colonne e tabelle. È in quell'ipotesi che l'impaginazione si rovina, ed è per questo che con una scansione conviene scegliere la strada giusta prima di cominciare.

Prima di tutto, capisci che PDF hai

Prova a selezionare una frase nel tuo lettore PDF. Se si evidenziano le singole parole e si copiano senza problemi, il file ha già un livello di testo e PDF in Word può ricostruirlo come documento modificabile. Se invece si evidenzia tutta la pagina come un'unica immagine, è una scansione, e il resto di questo articolo fa al caso tuo.

Cosa fa il nostro PDF in Word con una scansione

Se carichi una scansione direttamente in PDF in Word ottieni un .docx in cui ogni pagina è inserita come immagine. A vederlo sembra giusto, ma non c'è nulla su cui scrivere. Passare prima il file nell'OCR non cambia le cose: l'OCR aggiunge dietro ogni pagina un livello di testo invisibile, e il convertitore Word quel livello nascosto lo ignora. Con le scansioni, quindi, lascia perdere PDF in Word e usa una delle strade qui sotto.

Le strade che funzionano davvero

1. Ti servono le parole in Word: usa PDF in testo e spunta l'opzione Esegui OCR. Ricevi un .txt con il testo riconosciuto, che incolli in un nuovo documento Word e formatti lì. Titoli e tabelle li rifai tu, ma non devi ribattere nulla.
2. Ti basta cercare e copiare: OCR PDF è già il punto d'arrivo. La pagina resta identica e le parole diventano selezionabili.
3. È soprattutto una tabella di numeri: passa il file in OCR PDF e poi in PDF in Excel. Il lettore di tabelle sfrutta il livello OCR, ma controlla le colonne, perché a volte due celle vicine finiscono unite.

Perché l'impaginazione salta in ogni caso

L'OCR riconosce i caratteri, non le scelte grafiche che stanno dietro la pagina. Una scansione sbiadita può trasformare un 8 in un 3. Due colonne possono essere lette di fila come se fossero una riga sola. Una tabella può uscire come valori separati da spazi, e la scrittura a mano resta inaffidabile.

C'è poi un limite che riguarda chi scrive in italiano: il nostro OCR legge solo l'inglese. Le lettere accentate come à, è, ì, ò e ù escono spesso storpiate, e alfabeti diversi dal latino non vengono riconosciuti affatto. Per una scansione in italiano il risultato è molto migliore con un OCR sul tuo computer, per esempio ocrmypdf con l'opzione -l ita+eng, che carica il pacchetto della lingua italiana.

• Scansioni pulite, dritte e ben contrastate danno all'OCR le migliori possibilità.
• Tabelle e pagine su più colonne vanno ricontrollate con più attenzione.
• Timbri e annotazioni a mano vanno verificati carattere per carattere quando la precisione conta.

Un originale migliore vale più di qualsiasi correzione

Se hai ancora il documento cartaceo, riscansionalo con il foglio ben dritto, a circa 300 DPI, senza dita, ombre o angoli piegati nell'inquadratura. Se il PDF arriva da un gestionale o da un ufficio, chiedi il file digitale originale o il documento di partenza. Un PDF digitale vero passa da PDF in Word senza problemi, e un originale pulito fa risparmiare più tempo di un'ora passata a sistemare la formattazione.

Domande frequenti

Perché il mio file Word contiene solo le immagini delle pagine?

Perché il PDF era una scansione. Il convertitore non ha trovato testo vero da ricostruire e ha inserito ogni pagina come immagine. Usa PDF in testo con l'OCR attivo per ricavare le parole, poi incollale in Word.

Posso sistemare una scansione sfocata convertendola di nuovo?

No. Ripetere la conversione non aggiunge dettagli che la scansione non ha mai catturato. Se puoi, riscansiona l'originale in modo più nitido e poi fai l'OCR una volta sola.