OCR toepassen op een PDF
Lees de tekst uit gescande pagina's, volledig op je apparaat. Niets wordt geüpload.
Bestanden kiezen
of sleep ze hierheen
Ctrl+V om te plakken vanaf het klembord
tot 1 bestand, 25.0 MB per stuk
Blijft op je apparaat. Er wordt niets geüpload.
Hoe OCR PDF
- Kies één PDF of sleep hem op de pagina.
- Kies de renderresolutie. 150 DPI leest goed en houdt het geheugengebruik redelijk.
- Druk op Converteren. Elke pagina wordt getekend en daarna op je apparaat door OCR gelezen.
- Download het .txt-bestand met de herkende tekst, pagina voor pagina.
Wat OCR hier doet, en waar het draait
Optische tekenherkenning leest letters uit pixels. Deze tool rendert elke PDF-pagina naar een afbeelding en geeft die aan Tesseract, de opensource-OCR-engine, gecompileerd naar WebAssembly en volledig in je tabblad draaiend. Het taalmodel (Engels) en de engine zelf worden vanaf deze site aangeboden: niets over je document wordt ooit ergens naartoe verzonden.
Het bestaat voor de pagina's waar de tekstextractietool niets mee kan: scans, faxen, gefotografeerde documenten. De uitvoer is platte tekst met een gemarkeerde sectie per pagina, klaar voor zoeken, vertalen of een redacteur.
Bij het eerste gebruik wordt de engine gedownload, een paar megabyte, daarna door de browser in de cache opgeslagen. De herkenningssnelheid hangt af van je apparaat; een telefoon leest een pagina in een paar seconden, een laptop sneller.
Limieten en eerlijke opmerkingen
De nauwkeurigheid van OCR volgt de beeldkwaliteit. Schone scans van 300 DPI worden bijna perfect gelezen; telefoonfoto's van verfrommelde bonnetjes bevatten fouten. 150 DPI is de verstandige standaard; verhoog naar 300 voor kleine lettertjes.
Voorlopig alleen Engelse tekst. Handschrift wordt niet herkend: alleen gedrukte tekst. Zeer lange documenten kun je het beste in paginabereiken verwerken.
Eén document per keer, tot 25 MB. De herkenning draait in dit tabblad; de pagina-afbeeldingen verlaten je apparaat nooit.
Veelgestelde vragen
Waarom OCR in plaats van tekst extraheren?
Extractie leest de tekstlaag van een digitale PDF. OCR leest de pixels van scans en foto's. Kwam extractie leeg terug, dan is OCR de juiste tool.
Welke talen worden ondersteund?
Voorlopig Engels. Er kunnen later meer taalmodellen worden toegevoegd, elk aangeboden vanaf deze site.
Waarom is de eerste conversie traag?
De OCR-engine en het taalmodel worden één keer gedownload (een paar megabyte) en daarna in de cache opgeslagen. Volgende runs starten meteen.
Wordt mijn gescande document geüpload?
Nee. De pagina's worden in je browser gerenderd en gelezen, op je apparaat.
Privacy by design
Blijft op je apparaat. Er wordt niets geüpload. De conversie draait in je browser: open het tabblad Netwerk tijdens het converteren en je ziet dat er niets wordt verzonden. Geen account, geen watermerk, geen daglimiet.