U scant een document, converteert het naar Word en opent het resultaat – om vervolgens een lege pagina, één ingesloten afbeelding of warrige tekens te zien. Dit is een van de meest voorkomende PDF-frustraties, en de oorzaak is vrijwel altijd hetzelfde: de PDF bevat een scan, geen echte tekst.
Native PDF vs. gescande PDF: het belangrijkste verschil
Er zijn twee wezenlijk verschillende soorten PDF-bestanden:
- Native (digitale) PDF'sworden gemaakt door software – Word, Google Docs, Acrobat of een printerstuurprogramma. De tekst wordt opgeslagen als echte tekengegevens in het bestand. Wanneer u dit soort PDF naar Word converteert, leest de converter de tekens rechtstreeks. De resultaten zijn meestal nauwkeurig en de opmaak blijft grotendeels behouden.
- Gescande PDF'szijn foto's van een pagina. De scanner legt een afbeelding vast. PDF-software verpakt die afbeelding in een PDF-omhulsel. Er zit geen tekstgegevens in – alleen pixels. Een PDF-naar-Word-converter die dit bestand opent, ziet een afbeelding, geen tekens. Het kan geen bewerkbare tekst produceren uit een afbeelding.
Hoe u kunt vaststellen welk soort PDF u heeft
Open de PDF en probeer een woord te selecteren met je cursor. Als je afzonderlijke woorden kunt markeren en naar het klembord kunt kopiëren, is het een native PDF. Als de cursor de hele pagina als één blok selecteert - of helemaal niets doet - is het een gescande PDF.
Wat je nodig hebt: OCR
Het omzetten van een gescande PDF naar bewerkbare tekst vereist Optical Character Recognition (OCR) - software die de afbeelding analyseert en letters, woorden en alineastructuren identificeert. OCR wordt uitgevoerd als een aparte stap vóór of in plaats van de Word-conversie.
Tools die OCR kunnen uitvoeren op een gescande PDF:
- Google Docs- upload de PDF naar Google Drive, klik met de rechtermuisknop -> Openen met Google Docs. Google voert automatisch OCR uit. De kwaliteit varieert, maar is goed voor schone, goed gescande documenten.
- Adobe Acrobat Pro- Tools -> Enhance Scans -> Recognize Text. Nauwkeurige resultaten, maar vereist een betaald abonnement.
- Microsoft OneNote- voeg de PDF in als afdrukvoorbeeld-afbeelding, klik met de rechtermuisknop -> Tekst uit afbeelding kopiëren. Werkt pagina voor pagina; behoudt geen opmaak.
Zodra een document OCR-verwerkt is, kan het met veel betere resultaten naar Word worden geconverteerd. GebruikPagivo's PDF naar Word-tool na de OCR-stap wanneer je een bewerkbaar DOCX nodig hebt.
De beste OCR-resultaten behalen
De OCR-nauwkeurigheid hangt sterk af van de scan qualidade. De drie meest voorkomende redenen waarom OCR verhaspelde output produceert:
- Resolutie te laag.Alles onder 150 DPI maakt tekenherkenning onbetrouwbaar. 300 DPI is het praktische minimum voor consistent goede resultaten.
- Scheefstaande pagina.Zelfs een kanteling van twee graden maakt de detectie van teekengrenzen ambigue. De meeste scannersoftware heeft een auto-deskew optie - zet deze aan als die beschikbaar is.
- Handgeschreven inhoud.OCR is getraind op gedrukte tekst. handschriftherkenning is een apart, aanzienlijk moeilijker probleem. Standaard OCR-tools leveren slechte output op handgeschreven pagina's.
Als je alleen maar hoeft te zoeken, niet te bewerken
Als je alleen tekst in het document hoeft te vinden in plaats van het te bewerken, hoef je helemaal niet naar Word te converteren. Het doel is in dat geval om de PDF doorzoekbaar te maken - het toevoegen van een verborgen tekstlaag over de afbeeldingen - in plaats van de tekst te extraheren naar een nieuw formaat. Zodra de PDF een tekstlaag heeft, werkt Ctrl+F normaal in de meeste PDF-viewers. Je kunt ookAsk PDFen vraag het om een doorzoekbare OCR-PDF te maken.
Waarom de originele scanquality belangrijker is dan de tool
Geen conversiesoftware kan detail terughalen dat niet door de scanner is vastgelegd. Een wazige of onderbelichte scan van een vervaagde fotokopie levert, ongeacht welke tool u gebruikt, slechte Word-uitvoer op. De meest effectieve verbetering die u kunt doen, is altijd het document opnieuw scannen met een hogere resolutie en betere belichting, als het bronmateriaal beschikbaar is.