Slik redigerer du teksten i en skannet PDF (OCR) med Wondershare PDFelement

Hvis du noen gang har møtt en skannet PDF som du må korrigere eller oppdatereDu vet hvor frustrerende det er å ikke kunne velge eller endre tekst. Ved første øyekast ser det ut som et vanlig dokument, men det du faktisk har foran deg er et bilde innebygd i en PDF, fullstendig låst for redigering.

Den gode nyheten er at det er veldig enkelt nå til dags Konverter den skannede PDF-filen til en redigerbar fil ved hjelp av OCR-teknologi (Optisk tegngjenkjenning). Og et av de mest komplette programmene for å gjøre dette, både på Windows og Mac, er Wondershare PDFelement, som integrerer en veldig kraftig OCR-motor, til og med tilgjengelig i sin profesjonelle prøveversjon, slik at du kan prøve den før du kjøper.

Hva er OCR, og hvorfor kan du ikke redigere en skannet PDF?

Når du skanner et papirdokument, genererer skanneren en Fotografi av innholdet (tekst, grafikk, tabeller, signaturer…)Resultatet lagres som et bilde eller som en bildebasert PDF. I praksis er det ikke tekst for datamaskinen, men piksler, så du kan ikke markere, kopiere eller endre et ord.

Derfor spør mange seg selv: «Hvorfor kan jeg ikke redigere en skannet PDF?»Årsaken er enkel: den skannede PDF-filen inneholder ingen teksttegn, bare et bilde. Det er ingenting et tekstredigeringsprogram kan gjenkjenne og endre direkte.

Optisk tegngjenkjenningsteknologi (OCR) tjener nettopp dette formålet: Den analyserer bildet, identifiserer hvert tegn og konverterer det til digital tekst.Når OCR er brukt, blir innholdet valgbart, redigerbart og kan også søkes i dokumentet.

Bruk av OCR muliggjør transformasjon skannede PDF-er, fotografier av dokumenter eller håndskrevne skjemaer i fullt redigerbare dokumenter, og bevare det opprinnelige utseendet så mye som mulig. Dette forenkler oppgaver som rettelser, dataoppdateringer, digital arkivering eller uttrekking av informasjon til andre formater.

Redigere teksten i en skannet PDF med Wondershare PDFelement (redigerbar modus)

Wondershare PDFelement er et svært komplett PDF-redigeringsprogram som inkluderer en Profesjonell OCR-modul kompatibel med mer enn 20 språk (Spansk, engelsk, fransk, tysk, italiensk, portugisisk, arabisk, russisk, tsjekkisk, tyrkisk, koreansk, indonesisk osv.). OCR PDF-funksjonen er tilgjengelig i prøveversjonen av PDFelement Professional, så du kan prøve den gratis før du bestemmer deg for om du vil kjøpe den.

Når du åpner en skannet eller bildebasert PDF-fil, PDFelement oppdager automatisk at det er et skannet dokument Deretter vises et forslag øverst i vinduet om å starte OCR-gjenkjenning. Derfra kan du velge den mest passende modusen avhengig av hva du trenger å gjøre med filen.

Hvis målet ditt er Rediger PDF-innhold, endre fraser, rett feil eller endre bilder.Det du er interessert i er modusen «Skann til redigerbar tekst». Med denne modusen genererer PDFelement en ny PDF der all gjenkjent tekst kan endres som om det var et dokument som opprinnelig ble opprettet digitalt.

For å bruke redigerbar OCR i PDFelement er prosessen veldig enkel: åpne det skannede dokumentet, gå til OCR-verktøymenyen, Du velger konverteringsmodus for redigerbar tekst og velger riktig språk. av innholdet (dette øker nøyaktigheten betraktelig), og hvis du vil, kan du definere sideområdet du vil kjøre gjenkjenningen på.

Når du klikker på «bruk», viser programmet en fremdriftslinje, og når prosessen er fullført, Den nye redigerbare PDF-filen åpnes automatisk.Klikk deretter bare på «Rediger»-modus for å begynne å endre tekst, legge til nye avsnitt, slette deler du ikke vil ha eller retusjere bilder og diagrammer.

Søkbar OCR-modus: Gjør en skannet PDF søkbar og valgbar

Fra og med versjon 6.3.0 av PDFelement Professional ble et annet veldig interessant alternativ lagt til: OCR-søkemodusDenne modusen er utviklet for de som ikke trenger å formatere eller endre teksten på nytt, men som ønsker å kunne søke i, velge og kopiere fragmenter av dokumentet.

I dette tilfellet, når du går til OCR-menyen i PDFelement, velger du alternativet «Skann for å søke etter tekst i bildet»Resultatet er en PDF som visuelt forblir tilnærmet den samme (det originale bildet beholdes), men under er det innebygd et usynlig tekstlag som lar deg finne ord med snarveier som Ctrl+F.

Når den nye OCR-søkefilen er opprettet, vil du kunne Velg en hvilken som helst tekstblokk, kopier den til utklippstavlen og lime det inn i et Word-dokument, en e-post eller et hvilket som helst verktøy du foretrekker. Det er en veldig nyttig løsning hvis du jobber med manualer, kontrakter eller lange dokumenter der det er avgjørende å finne spesifikk informasjon.

Denne tilnærmingen er spesielt praktisk når du ønsker bevare 100 % av det originale dokumentdesignet (segl, vannmerker, signaturer osv.), men samtidig må du jobbe med tekstinnholdet for raske spørringer.

OCR-område i PDFelement: gjenkjenner bare en del av dokumentet

Det er ikke alltid nødvendig å bruke OCR på et helt dokument. Med funksjonen PDFelement «OCR-område» Du kan begrense gjenkjenningen til bare et bestemt område av siden, noe som sparer behandlingstid og er veldig praktisk når du bare trenger å trekke ut data fra en del av PDF-filen.

Det fungerer enkelt: du åpner bildet eller den skannede PDF-filen, du får tilgang «Verktøy > OCR-område» Deretter drar du med musen for å velge rektangelet som inneholder teksten du vil gjenkjenne. Det er ideelt for tabeller, bestemte kolonner, bunntekster eller skjemaer på en side med mange grafiske elementer.

På høyre side av vinduet ser du egenskapspanelet, hvorfra du kan velg gjenkjenningsspråket for det spesifikke området. Så trenger du bare å klikke på «Gjenkjenn» for at PDFelement skal behandle innholdet og konvertere det til redigerbar eller søkbar tekst, avhengig av valgt modus.

Denne OCR-områdefunksjonen er spesielt nyttig når du arbeider med skannede skjemaer, fakturaer, leveringssedler eller rapporter hvorav du bare trenger å importere bestemte datafelt til et regneark eller et annet administrasjonssystem.

Steg-for-steg-guide: hvordan du redigerer en skannet PDF på Windows og Mac med PDFelement

Selv om begrepet OCR kan høres teknisk ut, er prosessen hos PDFelement ganske veiledet og redusert til bare noen få trinn. Nedenfor er den typiske arbeidsflyten for Rediger skannede PDF-dokumenter i Windows 11 og macOS ved hjelp av dette programmet.

Det første trinnet er å importer PDF-filen til programmet. Når du starter PDFelement, kan du bruke «Åpne»-knappen nederst til venstre i startvinduet, navigere gjennom mappene dine, velge den skannede PDF-filen og laste den opp.

Så snart PDFelement oppdager at dokumentet er bildebasert, viser det et popup-varsel som foreslår utføre OCRHvis du klikker på «Utfør OCR», vil programvaren be deg om å velge språk for innholdet (det er viktig å angi riktig språk for å maksimere nøyaktigheten, spesielt hvis det er aksenter eller spesialtegn).

Etter at skanningen er fullført, kan filen redigeres. Fra menyen Under «Rediger» får du tilgang til redigeringsverktøyene for tekst og objekterPå denne måten kan du klikke på et hvilket som helst avsnitt for å legge til eller slette ord, endre tekstformatet eller sette inn nye blokker med alternativet «legg til tekst».

I tillegg lar PDFelement deg manipulere bilder, former, grafikk og andre elementer. Bruk alternativet til å Med «Rediger objekter» kan du flytte, beskjære, rotere eller slette bilder.samt å sette inn nye bilder i dokumentet når du trenger det.

Mens du jobber, er det viktig å lagre endringene dine. Du kan bruke Ctrl + S for å lagre til samme fil eller bruk «Fil > Lagre som» for å opprette en ny kopi, velge en annen målmappe eller versjonere dokumentet uten å miste originalen.

Slik redigerer du en skannet PDF på nett med HiPDF

Hvis du foretrekker å ikke installere noe på datamaskinen din, er et interessant alternativ å bruke HiPDF, nettplattformen knyttet til Wondershare-økosystemetDette nettstedet tilbyr et spesifikt online OCR-verktøy som lar deg behandle skannede PDF-filer direkte fra nettleseren din.

Prosessen er enkel: du går inn på det offisielle HiPDF-nettstedet, ser etter delen om «Online OCR» Du laster opp filen din ved å bruke «Velg fil»-knappen eller ved å dra den inn i nettleservinduet. Når den er lastet opp, konfigurerer du dokumentspråk og utdataformat (for eksempel ren tekst eller en søkbar PDF) og klikker på «Konverter».

Når konverteringen er fullført, vil du kunne last ned den behandlede filen til enheten din. Denne løsningen har flere fordeler: siden den er online, fungerer den både på Windows og Mac, og til og med fra andre systemer, og overføringen er beskyttet av 256-bit SSL-kryptering.

HiPDF tillater også batchbehandling Betalingsversjonen er nyttig hvis du jobber med store mengder skannede PDF-er. Gratisversjonen har imidlertid noen begrensninger når det gjelder funksjoner og filstørrelse, og den viser også annonser, noe du bør huske på hvis du ønsker en helt ren opplevelse.

Rediger en skannet PDF med Word, Google Dokumenter og andre alternativer

Selv om PDFelement og HiPDF tilbyr en svært komplett opplevelse, finnes det andre metoder for arbeid med skannede PDF-filer ved hjelp av verktøy du kanskje allerede harsom Microsoft Word, Google Docs eller Adobe Acrobat, samt andre redigeringsprogrammer med integrert OCR og veiledninger for Rediger en PDF gratis uten vannmerke.

I tilfelle av Microsoft Worder mulig Åpne en PDF direkte i Word Fra «Fil > Åpne» vil Word advare deg om at PDF-filen skal konverteres til et redigerbart dokument. Denne metoden kan fungere greit med enkle PDF-filer av god kvalitet, men husk at Word Den utfører ikke ekte OCR på komplekse bilderDerfor kan en skannet PDF med lav oppløsning, uskarp tekst eller mye grafikk miste formatering eller ikke bli gjenkjent riktig.

For sin del, Google Dokumenter har sin egen OCR i Google DiskEtter at du har lastet opp den skannede PDF-filen til harddisken din, kan du høyreklikke på den og velge «Åpne med > Google Dokumenter». Systemet vil forsøke å konvertere filen til et redigerbart tekstdokument ved å gjenkjenne bildeinnholdet.

Googles OCR-støtte mer enn ti språkDen har imidlertid visse størrelsesbegrensninger (for eksempel støtter den ikke veldig store filer) og krever at teksten har en minimum pikselhøyde for å kunne gjenkjennes nøyaktig. Dessuten går elementer som tabeller, kolonner, fotnoter eller kompleks formatering ofte tapt eller forvrengt.

En annen klassisk referanse er Adobe AcrobatAcrobat har en omfattende OCR-funksjon integrert i verktøyet «Skann og OCR». Når du åpner en skannet PDF, viser Acrobat vanligvis et varsel om å starte gjenkjenningsprosessen. Fra det tilhørende verktøyet kan du velge tekstspråk, definere hvilke sider som skal behandles, og etter å ha kjørt OCR, fortsette med å redigere PDF-filen.

Adobe tilbyr en profesjonelt grensesnitt, skytjenester og avanserte funksjoner for dokumentsignering og rutingAbonnementsmodellen er imidlertid dyrere enn andre alternativer, og er ikke alltid det enkleste alternativet for brukere som bare trenger å redigere PDF-er av og til.

Det finnes også andre programmer som f.eks. Nitro PDF-redigeringsprogram (Nitro Pro)Dette verktøyet lar deg legge til, slette og omorganisere innhold, bruke OCR og manipulere sider (rotere, trekke ut, sette inn osv.), og er primært utviklet for Windows-brukere. Det er funksjonelt, men dyrt og kan krasje med veldig store dokumenter når du bruker OCR.

Et annet verktøy er Apower PDF-redigeringsprogramDen inkluderer også tekstgjenkjenning, topptekst- og bunntekstfunksjoner, skjemabehandling og sidemanipulering. Selv om grensesnittet kanskje ikke er det mest polerte og veldig store dokumenter lastes inn noe sakte, tilbyr den en gratis løsning for redigering av skannede PDF-filer på Windows.

Hva kan PDFelement gjøre med skannede PDF-filer og OCR

Utover å bare bruke OCR fra sak til sak, er PDFelement utformet som en komplett arbeidsstasjon for skannede PDF-filerDen optiske gjenkjenningsmotoren konverterer ikke bare PDF-filer til redigerbare, men opprettholder også en balanse mellom nøyaktighet, hastighet og visuell gjengivelse.

En av stjernefunksjonene er muligheten for redigere den gjenkjente teksten direkte i selve PDF-filen.I motsetning til andre løsninger der OCR bare genererer en separat fil, jobber du med selve dokumentet i PDFelement, og bevarer fonter, skriftstørrelser og avsnittsstruktur når det er mulig.

Den er også i stand til å transformere Bilder (JPG, PNG osv.) som inneholder tekst i redigerbare dokumenter i forskjellige Microsoft Office-formater, som for eksempel Word uten å miste formateringExcel eller PowerPoint. Dette er veldig nyttig når for eksempel fakturaer eller rapporter skannes som bilder, og du deretter vil behandle disse dataene i et regneark.

En annen avansert funksjon er utvinning av data fra skannede skjemaer. PDFelement kan Les skjemafelt og eksporter informasjonen til et Excel-regneark perfekt redigerbar, noe som fremskynder arbeidet med digitalisering av spørreundersøkelser, søknader eller papirdokumenter betraktelig.

I tillegg tillater programmet batchbehandling av flere skannede PDF-filerBare legg til alle filene du vil konvertere, velg språk, angi målmappen og start prosessen. Programvaren vil automatisk bruke OCR på hvert dokument og lagre det som en lesbar og redigerbar fil uten at du trenger å overvåke hver enkelt individuelt.

Tips for å forbedre OCR-resultater

Kvaliteten på OCR-en avhenger i stor grad av hvordan den opprinnelige skanningen ble utført. Derfor anbefales det å følge en rekke retningslinjer. beste praksis for å oppnå best mulig anerkjennelse når du skal behandle skannede PDF-filer med PDFelement eller et annet lignende verktøy.

Før du digitaliserer et stort sett med dokumenter, anbefales det på det sterkeste Test med én enkelt side med forskjellige konfigurasjoner (oppløsning, farge, kontrast) og kjør OCR for å se hvilken innstilling som gir størst nøyaktighet. Derfra bruker du den konfigurasjonen for resten av sidene.

Generelt sett skanner med oppløsning mellom 300 og 600 dpi De gir mye bedre OCR-resultater. Hvis du skanner med lavere oppløsning, kan teksten virke uskarp eller pikselert, og gjenkjenningsmotoren vil ha vanskeligere for å skille like tegn.

Det er også viktig å være oppmerksom på kontrast. Tekster plassert over veldig mørke eller veldig lyse bakgrunner De er kanskje ikke lett gjenkjennelige fordi forskjellen mellom tekstfargen og bakgrunnsfargen er utilstrekkelig. I slike tilfeller anbefales det å justere lysstyrken og kontrasten på skanneren for å forbedre lesbarheten.

Når det er mulig, bruk svart-hvitt-modus (eller riktig konfigurert gråtone) For dokumenter med kun tekst. Det gir vanligvis bedre resultater enn farger for ren OCR, ettersom det reduserer visuell støy.

Til slutt, sørg for at dokumentet er riktig justert på skannerglassetHvis papiret er skjevt, kan forvrengningen av tekstlinjene «forvirre» gjenkjenningsmotoren og forårsake feil i konverteringen.

Konverter en skannet PDF til tekst med PDFelement, på nett og med Google

En annen vanlig oppgave er å konvertere en skannet PDF direkte til ren tekst (.txt) slik at den kan behandles i et hvilket som helst editorPDFelement gjør denne prosessen mye enklere takket være OCR-modulen og konverteringsmenyen.

Når du importerer en skannet PDF til PDFelement, vil programmet spørre om du vil Bruk OCR på dokumentetVed å godta vil du kunne velge innholdsspråk og utdatatype: redigerbar tekst eller bare søkbar tekst i PDF-filen.

Hvis du vil generere en .txt-fil etter gjenkjenning, går du bare til menyen «Konverter» og velg alternativet «Til tekst»Dette oppretter et vanlig tekstdokument der du enkelt kan søke etter nøkkelord, rydde opp i innholdet, bruke det på nytt i andre prosjekter eller lagre det på systemer der du ikke trenger å vedlikeholde PDF-formatet.

Hvis du foretrekker noe helt på nett, kan du henvende deg til HiPDF med OCR-verktøyetDu laster opp PDF-filen, angir språk og utdataformat (f.eks. .txt), starter konverteringen, og når du er ferdig, laster du ned tekstfilen som er generert fra den skannede PDF-filen.

Som et gratis, skybasert alternativ, Google Disk og Google Dokumenter De lar deg også konvertere skannede PDF-er til tekst. Du laster opp PDF-en, åpner den med Google Dokumenter, systemet kjører sin egen OCR, og du får et Google-dokument med den utvunnede teksten. Derfra kan du kopiere, redigere eller laste det ned i andre formater som .docx, .odt eller til og med HTML.

Til tross for disse nettbaserte alternativene, er et skrivebordsmiljø som PDFelement vanligvis mer tilrådelig for mer delikat arbeid, dokumenter med sensitive data eller kontinuerlige profesjonelle arbeidsflyter, siden Du unngår personvernproblemer ved å ikke laste opp filer til eksterne servere. og du har større kontroll over prosessen og resultatet.

Kort sagt, hvis du ofte jobber med skannede PDF-er du må redigere, søke i eller konvertereDet å ha en god OCR-motor utgjør en stor forskjell. Verktøy som Wondershare PDFelement kombinerer rask og nøyaktig gjenkjenning, direkte PDF-redigering, konvertering til flere formater og avanserte alternativer som OCR-område og batchbehandling, slik at du kan gå fra å ha enkle "øyeblikksbilder" av dokumenter til å administrere fullt redigerbar og gjenbrukbar informasjon uten problemer.