Warum PDF-zu-Word bei gescannten Dokumenten scheitert (und was zu tun ist)

Sie scannen ein Dokument, konvertieren es in Word und öffnen das Ergebnis – nur um eine leere Seite, ein einzelnes eingebettetes Bild oder wirre Zeichen vorzufinden. Das ist eine der häufigsten PDF-Frustationen, und die Ursache ist fast immer dieselbe: Das PDF enthält einen Scan, keinen echten Text.

Native PDFs vs. gescannte PDFs: der entscheidende Unterschied

Es gibt zwei grundsätzlich verschiedene Arten von PDF-Dateien:

• Native (digitale) PDFswerden von Software erstellt – Word, Google Docs, Acrobat oder ein Druckertreiber. Der Text ist als echte Zeichendaten in der Datei gespeichert. Wenn Sie diese Art von PDF in Word konvertieren, liest der Konverter die Zeichen direkt. Die Ergebnisse sind in der Regel genau, und die Formatierung bleibt weitgehend erhalten.
• Gescannte PDFssind Fotografien einer Seite. Der Scanner erfasst ein Bild. Die PDF-Software verpackt dieses Bild in einen PDF-Umschlag. Darin gibt es keine Textdaten – nur Pixel. Ein PDF-zu-Word-Konverter, der diese Datei öffnet, sieht ein Bild, keine Zeichen. Er kann aus einem Bild keinen bearbeitbaren Text erzeugen.

So erkennen Sie, welche Art von PDF Sie haben

Öffnen Sie das PDF und versuchen Sie, mit dem Cursor ein Wort auszuwählen. Wenn Sie einzelne Wörter markieren und in die Zwischenablage kopieren können, handelt es sich um ein natives PDF. Wenn der Cursor die gesamte Seite als einen Block auswählt – oder gar nichts tut –, ist es ein gescanntes PDF.

Was Sie brauchen: OCR

Die Umwandlung eines gescannten PDFs in bearbeitbaren Text erfordert Optical Character Recognition (OCR) – Software, die das Bild analysiert und Buchstaben, Wörter und die Absatzstruktur erkennt. OCR läuft als separater Schritt vor oder anstelle der Word-Konvertierung.

Tools, die ein gescanntes PDF per OCR verarbeiten können:

• Google Docs– Laden Sie das PDF zu Google Drive hoch, klicken Sie mit der rechten Maustaste -> Mit Google Docs öffnen. Google führt die OCR automatisch durch. Die Qualität variiert, ist aber gut für sauber gescannte Dokumente.
• Adobe Acrobat Pro– Tools -> Scans verbessern -> Text erkennen. Genaue Ergebnisse, erfordert jedoch ein bezahltes Abonnement.
• Microsoft OneNote– PDF als Druckausgabe-Bild einfügen, mit der rechten Maustaste klicken -> Text aus Bild kopieren. Funktioniert seitenweise; Formatierung wird nicht beibehalten.

Sobald ein Dokument OCR-verarbeitet wurde, kann es mit deutlich besseren Ergebnissen nach Word konvertiert werden. Verwenden SiePagivos PDF zu WordTool nach dem OCR-Schritt, wenn Sie eine bearbeitbare DOCX-Datei benötigen.

Die besten OCR-Ergebnisse erzielen

Die OCR-Genauigkeit hängt stark von der Scanqualität ab. Die drei häufigsten Gründe, warum OCR verwertbare Ausgabe erzeugt:

1. Auflösung zu niedrig.Alles unter 150 DPI macht die Zeichenerkennung unzuverlässig. 300 DPI sind das praktische Minimum für durchweg gute Ergebnisse.
2. Schräge der Seite.Selbst eine Neigung von zwei Grad macht die Erkennung von Zeichengrenzen mehrdeutig. Die meisten Scanner-Programme haben eine automatische Entzerrungsfunktion - aktivieren Sie diese, falls verfügbar.
3. Handschriftlicher Inhalt.OCR wird auf gedrucktem Text trainiert. Die Erkennung von Handschrift ist ein separates und deutlich schwierigeres Problem. Standard-OCR-Tools liefern bei handschriftlichen Seiten schlechte Ergebnisse.

Wenn Sie nur suchen, aber nicht bearbeiten möchten

Wenn Sie nur Text im Dokument finden möchten, es aber nicht bearbeiten müssen, müssen Sie überhaupt nicht nach Word konvertieren. Das Ziel ist in diesem Fall, das PDF durchsuchbar zu machen - indem eine verborgene Textebene über den Bildern hinzugefügt wird - statt den Text in ein neues Format zu extrahieren. Sobald das PDF über eine Textebene verfügt, funktioniert Strg+F in den meisten PDF-Viewern ganz normal. Sie können auchAsk PDFund es bitten, ein durchsuchbares OCR-PDF zu erstellen.

Warum die ursprüngliche Scanqualität wichtiger ist als das Werkzeug

Keine Konvertierungssoftware kann Details wiederherstellen, die vom Scanner nicht erfasst wurden. Ein unscharfer oder unterbelichteter Scan einer verblassten Fotokopie führt zu schlechtem Word-Ergebnis, unabhängig davon, welches Tool Sie verwenden. Die wirkungsvollste Verbesserung besteht stets darin, das Dokument – sofern die Vorlage verfügbar ist – mit höherer Auflösung und besserer Beleuchtung neu einzuscannen.