Gescande PDF OCR'en zodat je de tekst kunt zoeken en kopiëren

Een gescande PDF is eigenlijk niet meer dan een foto van een pagina met een .pdf-extensie eraan geplakt. Je kunt er niet in zoeken, je kunt geen zin selecteren om te kopiëren, en een schermlezer krijgt er geen woord uit. OCR (optische tekenherkenning) verandert dat: het leest de tekst uit de afbeelding en zet die er achter de schermen weer bij.

Wat OCR nu echt verandert

De scan zelf blijft ongemoeid — dezelfde lay-out, hetzelfde handschrift, dezelfde koffievlek als die erop staat. Wat erbij komt, is een onzichtbare laag met echte, selecteerbare tekst die precies achter de woorden op de afbeelding valt. De pagina ziet er dus identiek uit, maar gedraagt zich voortaan als een gewoon document.

OCR uitvoeren

1. Open de tool PDF OCR en upload je gescande bestand.
2. De tekst op elke pagina wordt herkend en als doorzoekbare laag eronder gezet.
3. Download je doorzoekbare PDF.

Wanneer je dit echt nodig hebt

• Je wilt in een lang gescand contract of rapport één bepaalde clausule terugvinden zonder elke pagina door te ploegen.
• Je wilt een alinea uit een scan kopiëren in plaats van hem met de hand over te tikken.
• Je wilt een oud gescand document toegankelijk maken voor schermlezers.
• Je wilt tabellen uit een scan halen. PDF naar Excel werkt pas als er echte tekst te lezen valt.

Een nauwkeurig resultaat krijgen

Hoe beter de scan, hoe nauwkeuriger de OCR — dat gaat een op een samen:

• Een heldere, rechte, goed belichte scan komt bijna foutloos door.
• Foto's met lage resolutie, scheve pagina's of handschrift zijn lastiger betrouwbaar te herkennen — scan opnieuw, plat en goed belicht, als de eerste poging tegenvalt.
• De herkenning leest alleen Engels. Nederlandse tekst komt grotendeels door, maar trema's en accenten gaan vaak mis, en niet-Latijnse schriften worden helemaal niet herkend. Moet het kloppen, gebruik dan ocrmypdf op je eigen computer met -l nld+eng en het Nederlandse taalpakket van Tesseract.

Veelgestelde vragen

Ziet de pagina er daarna anders uit?

Nee. De originele afbeelding blijft precies zoals hij was — OCR zet er een onzichtbare tekstlaag achter, maar tekent of vervangt de pagina niet.

Kan ik het bestand daarna naar Word of Excel omzetten?

Naar Excel wel: PDF naar Excel kan de OCR-laag lezen, al moet je de kolommen even nalopen. Word is de uitzondering. PDF naar Word negeert de verborgen OCR-tekst en geeft je afbeeldingen van de pagina's. Voor een scan gebruik je daarom PDF naar tekst met de optie „OCR uitvoeren” en plak je het resultaat in Word.