Come rendere ricercabile un PDF scansionato con l'OCR
Un PDF scansionato sembra testo, ma in realtà è la foto di una pagina, quindi non puoi selezionare una parola né cercare un nome. L'OCR (riconoscimento ottico dei caratteri) legge l'immagine e aggiunge un vero livello di testo, rendendo il documento ricercabile e copiabile.
Come capire se ti serve l'OCR
Prova a selezionare una riga di testo nel PDF. Se il cursore evidenzia le singole parole, il documento ha già un livello di testo. Se non si seleziona nulla o l'intera pagina si evidenzia come un'unica immagine, si tratta di una scansione che richiede l'OCR.
È importante quando devi trovare una clausola in un contratto lungo, citare un passaggio di un report o rendere ricercabile un archivio.
Passo dopo passo
Apri OCR PDF e carica il documento scansionato. Lo strumento legge ogni pagina e crea un livello di testo dietro l'immagine.
Scarica il risultato. Ha lo stesso identico aspetto, ma ora puoi selezionare, copiare e cercare il testo, e anche gli altri strumenti possono leggerlo.
Ottenere i risultati migliori
La precisione dell'OCR dipende dalla qualità della scansione. Le scansioni dritte, ben contrastate e ben illuminate vengono lette quasi alla perfezione; quelle storte o sbiadite producono più errori. Raddrizzare prima una scansione inclinata migliora i risultati.
Per i pochi numeri davvero importanti, confrontali sempre con l'originale, perché nessun OCR è perfetto su scansioni di scarsa qualità.
Perché una scansione ha bisogno dell'OCR
Un PDF scansionato sembra un documento, ma per un computer è solo la foto di un documento. Non puoi selezionare il testo, cercarlo o copiarlo, perché lì non c'è testo, solo l'immagine dell'inchiostro sulla carta. L'OCR (riconoscimento ottico dei caratteri) legge le forme di quell'immagine e ricostruisce i caratteri veri e propri, trasformando la foto in un livello di testo reale, ricercabile e selezionabile sotto la pagina.
È il passaggio che sblocca tutto il resto: una volta che una scansione ha un livello di testo, puoi cercarvi, copiarne parti, convertirla in Word e modificarla. Senza OCR, un contratto scansionato è in pratica una fotografia con cui non puoi lavorare.
Ottenere un risultato preciso
La precisione dell'OCR dipende molto dalla qualità della scansione. Una scansione pulita, ben contrastata e dritta di un testo stampato viene letta quasi alla perfezione. Una fotocopia sbiadita, una pagina fotografata di sbieco o una scrittura a mano sono molto più difficili. Per il miglior risultato, scansiona o fotografa con una buona luce, tieni la pagina piatta e ben allineata e usa la risoluzione più alta ragionevole.
Se una pagina è venuta storta, raddrizzarla prima con Raddrizza PDF migliora sensibilmente il riconoscimento, perché l'OCR legge le righe di testo orizzontali in modo più affidabile quando sono davvero orizzontali.
Cosa fare dopo l'OCR
Una volta che la scansione è ricercabile, puoi metterla al lavoro: convertila in Word per renderla completamente modificabile, copiane citazioni o cifre, o semplicemente conservala come PDF d'archivio da ritrovare in seguito cercandone il testo. Per grandi quantità di documenti scansionati, l'OCR è ciò che trasforma un mucchio di immagini inutilizzabili in un archivio consultabile.