Maak een gescande PDF doorzoekbaar met OCR - lokaal in de browser, met een onzichtbare tekstlaag onder de originele pagina's, zonder upload.
Verwerkt lokaal op je apparaat ...
0%
Je bestanden hebben je apparaat nooit verlaten
Nee. Alles draait in je browser - je bestand verlaat je apparaat nooit. Zo is dat verifieerbaar
Een gescande PDF is in wezen een stapel afbeeldingen: je ziet de tekst, maar kunt hem niet selecteren, doorzoeken of kopiëren. OCR (optische tekenherkenning) leest de letters uit de afbeelding en plaatst ze als onzichtbare tekstlaag precies over de pagina's. Het uiterlijk blijft identiek, maar de PDF wordt doorzoekbaar en de tekst selecteerbaar - precies wat overheden, archieven en zoekfuncties verwachten.
Kies als uitvoer een doorzoekbare PDF (originele pagina's plus tekstlaag) of platte tekst als TXT. Stel de documenttaal in via de lijst - meer dan 100 talen, van Nederlands en Engels tot Russisch, Arabisch en Hindi, en verder naar Japans, Koreaans en Chinees, elk in zijn eigen naam - zodat de tekens correct worden herkend. Alles draait in de browser via WebAssembly: dezelfde open-source Tesseract-engine als de tool "Afbeelding naar tekst", maar nu pagina voor pagina op de hele PDF toegepast. Bij eerste gebruik downloadt de browser engine en taalmodel eenmalig (enkele MB, same-origin); daarna offline beschikbaar.
De tool is bedoeld voor gescande of op afbeeldingen gebaseerde PDF's. De herkenning hangt sterk af van de scankwaliteit: scherpe, rechte en contrastrijke pagina's met gedrukte tekst worden zeer goed herkend, scheve of wazige veel slechter; handschrift niet betrouwbaar. In de doorzoekbare PDF wordt elke pagina als afbeelding opnieuw ingesloten, zodat de lay-out bewaard blijft maar het bestand wat groter kan worden. Een PDF die al echte tekst bevat heeft geen OCR nodig. Controleer het resultaat op cijfers en eigennamen.
| Invoerformaten | |
|---|---|
| Uitvoerformaat | |
| Batchverwerking | Ja |
| Verwerking | Lokaal in de browser (WebAssembly) |
| Bestandsupload | Geen |
Beperkingen: Voor GESCANDE / afbeeldings-PDF's: maakt ze doorzoekbaar via OCR (onzichtbare tekstlaag) of geeft platte tekst terug. Herkent GEDRUKTE tekst in meer dan 100 talen en veel schriften; handschrift niet betrouwbaar. Let op: de onzichtbare tekstlaag in de doorzoekbare PDF gebruikt een Latin-1-lettertype - niet-Latijnse tekens (bijv. CJK, Arabisch, Cyrillisch) worden daar niet ingesloten; gebruik voor die schriften de uitvoer "Alleen tekst (TXT)" voor de volledig herkende tekst. In de doorzoekbare PDF wordt elke pagina als afbeelding opnieuw ingesloten, zodat de lay-out bewaard blijft maar het bestand groter kan worden. Een PDF met al echte tekst heeft geen OCR nodig. Herkenning is niet foutloos - controleer vooral cijfers en eigennamen. Engine + taalmodel worden eenmalig gedownload (enkele MB, same-origin), daarna offline bruikbaar. Grote PDF's kosten tijd en geheugen afhankelijk van het aantal pagina's en het apparaat.
Nee. Weergave en tekstherkenning verlopen volledig lokaal in de browser (WebAssembly); de PDF verlaat je apparaat niet - juist bij contracten en officiële post het doorslaggevende voordeel.
De pagina ziet eruit zoals de scan, maar daaronder zit een onzichtbare tekstlaag. Hierdoor kun je in de PDF zoeken, tekst selecteren en kopiëren - terwijl het uiterlijk hetzelfde blijft.
Ja. Elke pagina wordt als afbeelding van de originele pagina ingesloten, met de onzichtbare tekstlaag er precies overheen. Het uiterlijk verandert niet, maar het bestand kan iets groter worden.
Andere talen wel: meer dan 100 zijn beschikbaar (ook Arabisch, Russisch, Hindi, Japans, Koreaans, Chinees). Handschrift wordt niet betrouwbaar herkend, alleen gedrukte tekst. Gebruik voor niet-Latijnse schriften de uitvoer "Alleen tekst (TXT)", omdat de tekstlaag in de doorzoekbare PDF beperkt is tot Latin-1.