OCR PDF gratis: Gjør skannede PDF-er søkbare

Med OCR PDF gratis kan du gjøre en skannet PDF søkbar ved å legge et tekstlag bak sidebildene. Velg riktige språk, rett opp skjeve eller feilvendte sider ved behov, og test deretter at du kan søke etter og kopiere tekst fra den ferdige PDF-en.

Hva gjør OCR med en skannet PDF?

En skannet PDF består ofte bare av bilder av papirsider. Selv om du ser et brev, en kontrakt eller en kvittering på skjermen, ser PDF-leseren i praksis piksler – ikke bokstaver og ord. Derfor gir søk ingen treff, tekstmarkering velger hele områder, og kopiering gir lite eller ingenting brukbart.

OCR står for optisk tegngjenkjenning. Teknologien analyserer bokstavformene i sidebildet og legger den gjenkjente teksten inn som et usynlig tekstlag. Dokumentet ser normalt likt ut etterpå, men du kan søke, markere og kopiere teksten.

OCR gjør ikke automatisk dokumentet fullt redigerbart. Sidebildet beholdes, og kompliserte tabeller, kolonner, stempler og skjemaer kan fortsatt være vanskelige å arbeide med. Resultatet avhenger særlig av kvaliteten på originalen:

• Skarp, maskinskrevet tekst gir vanligvis best resultat.
• Svak kontrast, uklare mobilbilder og kopier av kopier gir flere feil.
• Håndskrift, dekorative skrifttyper og tekst over stempler er vanskeligere å lese.
• Skjeve, roterte eller delvis beskårne sider kan redusere treffsikkerheten.

Se derfor på OCR som en praktisk måte å gjøre arkiver, bilag og gamle dokumenter søkbare på, ikke som en garanti for en feilfri avskrift.

Hvordan gjør jeg en skannet PDF søkbar med OCR PDF?

Du kan bruke OCR PDF-verktøyet i PDF Toucan fra datamaskin, nettbrett eller mobil. Du trenger ikke konto, og resultatet får ikke vannmerke. Flere PDF-er kan legges til samtidig, men hver fil behandles for seg.

1. Åpne OCR PDF og velg «Velg PDF-filer».
2. Velg PDF-en fra enheten din. Du kan også slippe filen hvor som helst på siden eller lime inn en PDF.
3. Under «Dokumentspråk» velger du språket eller språkene som faktisk brukes i dokumentet. Du må velge minst ett språk.
4. For vanlige skannede dokumenter lar du «Skann sider uten tekst» stå valgt. Dette er anbefalt innstilling.
5. Åpne flere valg hvis du vil justere sider eller aktivere sidekorrigeringer.
6. Velg «Gjenkjenn tekst».
7. Vent til behandlingen er ferdig, og velg «Last ned den søkbare PDF-en».
8. Åpne den nedlastede filen og test søk og kopiering før du bruker den videre.

Tekstgjenkjenning kan ta noen minutter for PDF-er med mange sider. La nettleserfanen stå åpen mens jobben pågår.

OCR-verktøyet kjører på servere i EU. Filen sendes over HTTPS og behandles i minnet; den skrives ikke til disk eller lagres. Den slettes når resultatet lastes ned, senest etter 10 minutter. Dersom et dokument ikke kan forlate enheten din av interne eller juridiske grunner, bør du i stedet bruke OCR-programvare som kjøres lokalt.

Hvilket OCR-språk bør jeg velge?

Språkvalget er en viktig del av OCR-resultatet. Gjenkjenningen bruker språket til å tolke alfabet, aksenter og vanlige ordmønstre. Det hjelper blant annet med å skille mellom tegn som ligner på hverandre.

Velg norsk for norske brev, rapporter, kvitteringer og skjemaer. Har dokumentet både norsk og engelsk, velger du begge. Velg ikke mange ekstra språk «for sikkerhets skyld»: Flere språk gjør behandlingen tregere og kan også gi flere feiltolkninger.

Du kan kombinere opptil fem språk i én kjøring. Verktøyet støtter 30 språk og flere skriftsystemer, blant annet latinsk, kyrillisk, gresk, arabisk, hebraisk, devanagari, thai, kinesisk, japansk og koreansk skrift.

Tall og egennavn trenger alltid en ekstra kontroll. OCR kan forveksle for eksempel 0 og O, 1 og l, eller 5 og S. Dette er særlig viktig på fakturaer, kontoutskrifter og dokumenter med beløp eller referansenumre.

Skal jeg rette opp skjeve eller feilvendte sider før OCR?

Ja, sidekorrigeringer kan forbedre resultatet betydelig når skanningen ikke er helt rett. Du finner dem under flere valg i OCR PDF.

Bruk «Rett opp skjeve sider» når tekstlinjene heller litt mot høyre eller venstre. Rette linjer gjør det enklere å tolke ord riktig. Bruk «Rett sideorientering automatisk» når enkelte sider ligger sidelengs eller opp ned, for eksempel i en fil med både stående brev og liggende tabeller.

Start normalt med «Skann sider uten tekst». Sider som allerede har fungerende tekst, blir da ikke berørt. Velg «Gjenkjenn eksisterende tekst på nytt» bare når du ser at et gammelt tekstlag er feil, for eksempel når søk ikke finner et ord som er tydelig synlig på siden.

«Behandle alle sider som bilder» er mest drastisk. Det kan være nyttig hvis filen har inkonsekvent eller ødelagt tekst, men velg det bare når du godtar at tidligere markerbar tekst og lenker fjernes.

Vær også oppmerksom på digitale signaturer: OCR endrer PDF-innholdet ved å legge til eller erstatte tekstlaget. En eksisterende digital signatur er derfor ikke lenger gyldig etter behandlingen. Behold alltid den signerte originalen urørt hvis signaturen skal kunne verifiseres.

Hvordan kontrollerer jeg at OCR-resultatet er riktig?

Ikke stol bare på at behandlingen er fullført. Bruk et par minutter på en enkel kvalitetskontroll, særlig hvis PDF-en skal brukes til økonomi, saksbehandling eller videre redigering.

1. Åpne den nedlastede søkbare PDF-en i PDF-leseren du vanligvis bruker.
2. Søk etter et tydelig ord som står på siden, for eksempel et etternavn, gatenavn, fakturanummer eller dato.
3. Sjekk at søket hopper til riktig forekomst, og prøv gjerne på en side tidlig, midt i og sent i dokumentet.
4. Marker en kort setning og kopier den til Notisblokk, Notater eller et tomt dokument.
5. Sammenlign den kopierte teksten med sidebildet. Kontroller særlig æ, ø, å, tegnsetting, tall og spesialtegn.
6. Les tabeller, totalbeløp, datoer, referanser og navn manuelt. Dette er feltene der små OCR-feil oftest får størst konsekvenser.

Hvis resultatet er svakt, prøv på nytt med færre og riktigere språk. Slå på oppretting av skjeve sider dersom originalen heller, og kontroller at feilvendte sider roteres riktig. Om du har tilgang til papirdokumentet, kan en ny skanning med bedre lys, jevn kontrast og skarpere tekst være den mest effektive forbedringen.

Kan jeg konvertere OCR-PDF-en til Word etterpå?

Ja, men rekkefølgen er viktig. Kjør OCR først, og konverter deretter den søkbare PDF-en til Word. Da har konverteringen et tekstlag å arbeide med.

1. Gjør originalfilen søkbar med OCR PDF og last ned resultatet.
2. Åpne PDF til Word.
3. Velg «Velg PDF-filer» og velg den OCR-behandlede PDF-en, ikke den opprinnelige skanningen.
4. Velg «Konverter til Word».
5. Last ned Word-dokumentet og åpne DOCX-filen i Word.
6. Sammenlign teksten mot PDF-en før du redigerer, deler eller gjenbruker innholdet.

Konverterer du en skannet PDF direkte til Word uten OCR først, blir de skannede sidene lagt inn som bilder. De blir altså ikke automatisk til redigerbar tekst. Selv etter OCR bør du kontrollere avsnitt, tabeller, spalter og fotnoter nøye, fordi disse strukturene kan flytte seg i Word.

Når arbeidskopien er ferdig, kan verktøyet compress være aktuelt for å redusere størrelsen på store, bildebaserte PDF-er. Oppbevar likevel originalfilen separat dersom du trenger å gå tilbake til den senere.

Vanlige spørsmål

Er OCR PDF gratis å bruke?

Ja. OCR PDF i PDF Toucan kan brukes uten konto, uten vannmerke og uten daglige begrensninger i nettleserverktøyene. Velg PDF-en, velg minst ett dokumentspråk, kjør «Gjenkjenn tekst», og last ned den søkbare PDF-en når behandlingen er ferdig.

Kan jeg søke i PDF-en etter at OCR er ferdig?

Ja. OCR legger til tekst som kan søkes etter og kopieres, mens det opprinnelige sidebildet normalt beholdes. Åpne den nedlastede PDF-en og søk etter et navn, en dato eller et fakturanummer for å kontrollere at gjenkjenningen virker som forventet.

Hvor mange språk kan jeg velge samtidig?

Du kan kombinere opptil fem språk i én OCR-kjøring. Velg bare språk som faktisk finnes i dokumentet. For eksempel passer norsk og engelsk for en tospråklig kontrakt. Unødvendige språk kan gjøre behandlingen langsommere og i noen tilfeller øke antallet feiltolkninger.

Hva gjør jeg hvis OCR leser norsk tekst feil?

Kontroller først at norsk er valgt som dokumentspråk, og fjern språk som ikke forekommer. Slå på oppretting av skjeve sider og automatisk sideorientering når det trengs. Hvis mulig, skann originalen på nytt med skarpere tekst og bedre kontrast, og kontroller alltid navn, tall og æ, ø og å.

Blir en digital signatur gyldig etter OCR?

Nei. OCR endrer PDF-en ved å legge til eller erstatte et tekstlag, og den digitale signaturen blir derfor ikke lenger gyldig. Lagre den signerte originalen uendret som dokumentasjon. Bruk heller den OCR-behandlede kopien til søk, kopiering og eventuell videre konvertering.