Gidsen
Gescande PDF doorzoekbaar maken met OCR
In het kort
OCR herkent woorden in een afbeelding en kan een scan doorzoekbaar en selecteerbaar maken. Kies de taal van het document en vergelijk het resultaat met de zichtbare pagina. Een tekstlaag garandeert geen foutloze bedragen en bouwt niet vanzelf een volledig bewerkbaar tekstdocument op.
Zit er al bruikbare tekst in de pdf?
Probeer een woord midden in een alinea te selecteren en plak het in een leeg tekstvak. Klopt het woord, dan heeft die pagina al bruikbare tekst. Wordt alleen de afbeelding geselecteerd of verschijnt er onzin, onderzoek dan eerst wat het bestand bevat.
Een dossier kan digitale brieven en gefotografeerde bijlagen combineren. Bekijk van elk type een pagina. Een selecteerbare titel op de omslag vertelt niets over de tekstlaag van de latere bijlagen.
Hoe maak je de opname geschikt voor herkenning?
Zet de pagina recht en controleer de randen. Een afgesneden regel kan niet alsnog volledig worden gelezen. Reflecties, een donkere vouw of onscherpe letters maken de herkenning moeilijker. Heb je het papier nog, dan is een nieuwe duidelijke opname vaak de verstandigste oplossing.
In documenten scannen met je telefoon lees je waar je bij de opname op let. Vergroot de kleinste noodzakelijke tekst. Een helderwitte pagina kan nog steeds onleesbare cijfers bevatten.
Hoe controleer je de uitvoer van OCR?
Open OCR voor gescande pdf’s, kies het bestand en stel de passende taal in. Let op het aangeboden resultaat: een pdf met een zoekbare tekstlaag verschilt van een opnieuw opgebouwd document om te herschrijven.
Zoek in de download naar een opvallend woord en kopieer een hele alinea. Vergelijk daarna een naam met accenten, een kenmerk met voorloopnullen en een regel uit een tabel. Lees bij kolommen de gekopieerde tekst in de werkelijke volgorde; de ene kolom mag een zin uit de andere niet onderbreken.
Welke fouten zie je niet aan een nette pagina?
Een onjuist bedrag kan er geloofwaardig uitzien. Controleer daarom negatieve waarden, decimalen en de combinatie van omschrijving en cijfer. Dat de eerste zoekopdracht goed gaat, valideert niet alle gegevens van het dossier.
Voor materiaal dat je in een presentatie wilt verwerken, helpt PowerPoint en PDF omzetten bij de vervolgstap. Voor archivering is PDF/A een aparte controle: het formaat voegt niet automatisch nieuwe OCR toe en bewijst niet dat een herkend cijfer klopt. Bewaar het oorspronkelijke beeld als vergelijkingsmateriaal.
Veelgestelde vragen
Waarom kan ik tekst selecteren maar plak ik verkeerde woorden?
Er kan al een onjuiste tekstlaag aanwezig zijn. Vergelijk de geplakte tekst met het beeld voordat je gegevens gebruikt.
Herstelt OCR een regel die buiten de foto valt?
Nee. Je hebt de ontbrekende informatie uit een betere opname of het origineel nodig.
Is een zoekbare pdf volledig bewerkbaar als een tekstbestand?
Niet noodzakelijk. Zoeken en selecteren herstellen niet automatisch alle alinea’s, tabellen en relaties.
Moet ik bedragen controleren als de pagina er goed uitziet?
Ja. Een herkenningsfout in cijfers kan onopvallend blijven. Vergelijk de waarde met de oorspronkelijke pagina.