Si scansiona un documento, lo si converte in Word e si apre il risultato - solo per scoprire una pagina vuota, una singola immagine incorporata o caratteri incomprensibili. È una delle frustrazioni più comuni con i PDF, e la causa è quasi sempre la stessa: il PDF contiene una scansione, non testo reale.
PDF nativo vs. PDF scansionato: la differenza fondamentale
Esistono due tipi di file PDF fondamentalmente diversi:
- PDF nativi (digitali)sono creati da software - Word, Google Docs, Acrobat o un driver di stampa. Il testo è memorizzato come veri e propri dati di caratteri all'interno del file. Quando si converte questo tipo di PDF in Word, il convertitore legge i caratteri direttamente. I risultati sono di solito accurati e la formattazione è in gran parte preservata.
- PDF scansionatisono fotografie di una pagina. Lo scanner acquisisce un'immagine. Il software PDF avvolge quell'immagine in un contenitore PDF. All'interno non ci sono dati di testo - solo pixel. Un convertitore da PDF a Word che apre questo file vede un'immagine, non caratteri. Non può produrre testo modificabile da un'immagine.
Come capire che tipo di PDF si ha
Apri il PDF e prova a selezionare una parola con il cursore. Se puoi evidenziare singole parole e copiarle negli appunti, si tratta di un PDF nativo. Se il cursore seleziona l'intera pagina come un unico blocco - o non fa nulla di nulla - si tratta di un PDF scansionato.
Di cosa hai bisogno: OCR
Convertire un PDF scansionato in testo modificabile richiede il riconoscimento ottico dei caratteri (OCR) - un software che analizza l'immagine e identifica lettere, parole e la struttura dei paragrafi. L'OCR viene eseguito come passaggio separato prima o al posto della conversione in Word.
Strumenti in grado di eseguire l'OCR su un PDF scansionato:
- Google Docs- carica il PDF su Google Drive, fai clic con il tasto destro -> Apri con Google Docs. Google esegue automaticamente l'OCR. La qualità varia, ma è buona per documenti puliti e ben scansionati.
- Adobe Acrobat Pro- Strumenti -> Migliora scansioni -> Riconosci testo. Risultati accurati, ma richiede un abbonamento a pagamento.
- Microsoft OneNote- inserisci il PDF come immagine di stampa, clic con il tasto destro -> Copia testo dall'immagine. Funziona pagina per pagina; non preserva la formattazione.
Una volta elaborato un documento con l'OCR, può essere convertito in Word con risultati molto migliori. Usalo strumento PDF to Word di Pagivodopo il passaggio OCR quando ti serve un DOCX modificabile.
Ottenere i migliori risultati OCR
L'accuratezza dell'OCR dipende fortemente dalla qualità della scansione. I tre motivi più comuni per cui l'OCR produce output confuso:
- Risoluzione troppo bassa.Qualsiasi cosa sotto 150 DPI rende il riconoscimento dei caratteri inaffidabile. 300 DPI è il minimo pratico per risultati costantemente buoni.
- Inclinazione della pagina.Anche una inclinazione di due gradi rende ambiguo il rilevamento dei confini dei caratteri. La maggior parte dei software di scansione ha un'opzione di raddrizzamento automatico: attivala se disponibile.
- Contenuto scritto a mano.L'OCR è addestrato su testo stampato. Il riconoscimento della scrittura a mano è un problema separato, notevolmente più difficile. I strumenti OCR standard produciranno risultati scadenti su pagine scritte a mano.
Se hai solo bisogno di cercare, non di modificare
Se hai solo bisogno di trovare testo all'interno del documento piuttosto che modificarlo, non hai affatto bisogno di convertirlo in Word. In tal caso l'obiettivo è rendere il PDF ricercabile, aggiungendo un livello di testo nascosto sopra le immagini, piuttosto che estrarre il testo in un nuovo formato. Una volta che il PDF ha un livello di testo, Ctrl+F funziona normalmente nella maggior parte dei visualizzatori PDF. Puoi anche usareChiedi a PDFe chiedigli di creare un PDF OCR consultabile.
Perché la qualità della scansione originale conta più dello strumento
Nessun software di conversione può recuperare dettagli non acquisiti dallo scanner. Una scansione sfocata o sottoesposta di una fotocopia sbiadita produrrà un output Word scadente indipendentemente dallo strumento utilizzato. Il miglioramento con il maggiore impatto che puoi fare è sempre riscansionare il documento a una risoluzione più alta e con una luce migliore, se l'originale è disponibile.