Vai al contenuto principale
Bethemesh
PDF e documenti

OCR PDF

Renderizza le pagine scansionate come immagini, applica l’OCR e ottieni un PDF ricercabile insieme al testo riconosciuto.

  • Esporta
Automatizza

Integra questo widget

Personalizza il risultato, controlla l’anteprima e copia il codice.

Anteprima

Tipo di codice di integrazione

Codice da copiare

Responsive e ridimensionato automaticamente da Bethemesh.

I tuoi file vengono elaborati localmente nel browser e non vengono mai inviati ai nostri server.

Rilascia qui il tuo file

Dimensione consigliata: fino a 100 MB

Il documento resta nel browser. Il motore OCR e i dati linguistici vengono caricati su richiesta.

Questo strumento ti è stato utile?

Come funziona questo strumento?

L’OCR (riconoscimento ottico dei caratteri) legge il testo presente nelle immagini di un PDF scansionato o fotografato. Lo strumento produce due risultati: un PDF ricercabile, in cui puoi selezionare, copiare e cercare parole, e un file di testo semplice. Le pagine vengono analizzate nel tuo browser dal motore open source Tesseract; il documento in sé non viene inviato da nessuna parte.

Ogni pagina viene prima disegnata come immagine alla qualità scelta: Rapida (scala 1,4, circa 100 dpi), Bilanciata (1,8, circa 130 dpi) o Alta (2,2, circa 158 dpi). Tesseract vi individua le parole, la loro posizione e il loro orientamento con la lingua indicata: francese, inglese, spagnolo, tedesco, italiano, portoghese oppure francese e inglese insieme.

Il PDF ricercabile mantiene ogni pagina come immagine e colloca le parole riconosciute in un livello di testo invisibile esattamente sopra. A schermo il documento appare come la scansione originale; nel lettore, ricerca e selezione funzionano. Il file di testo raccoglie il testo riconosciuto pagina per pagina, preceduto da indicatori --- Page n ---.

Al primo utilizzo, il motore Tesseract e i dati della lingua scelta vengono scaricati da una rete di distribuzione (jsDelivr): serve quindi una connessione a Internet. Le tue pagine restano sul dispositivo. Durante il riconoscimento l’avanzamento viene mostrato in percentuale.

Come usare questo strumento

  1. Importa il PDF scansionato

    Scegli il documento il cui testo non è selezionabile.

  2. Imposta lingua e qualità

    Indica la lingua del documento e scegli Bilanciata, o Alta per caratteri piccoli.

  3. Avvia l’OCR e scarica

    Al termine, scarica il PDF ricercabile, il testo semplice o entrambi con i pulsanti disponibili.

Casi d’uso

Rendere ricercabile una scansione

Trova un nome o un importo in un contratto o in una fattura scansionati con Ctrl+F.

Recuperare il testo dalla foto di un documento

Copia il contenuto di una lettera fotografata per citarlo o rielaborarlo.

Preparare una conversione

Aggiungi un livello di testo prima di convertire il PDF in Markdown, HTML o CSV.

Esempi

Una pagina A4 in qualità Bilanciata

La pagina viene analizzata come immagine di 1072 × 1515 pixel (scala 1,8). Nel PDF ottenuto, cercando il numero di fattura viene evidenziato il punto giusto dell’immagine, perché ogni parola riconosciuta è collocata nella sua posizione originale.

Input

Fattura scansionata di una pagina A4, lingua Italiano, qualità Bilanciata

Risultato

fattura-ocr.pdf ricercabile e fattura-ocr.txt che inizia con «--- Page 1 ---»

Consigli e buone pratiche

  • Una scansione nitida, dritta e ben contrastata dà risultati molto migliori; regola prima il contrasto se la pagina è sbiadita.
  • Scegli la lingua reale del documento: accenti e parole frequenti vengono riconosciuti meglio.
  • Ricontrolla le cifre importanti (importi, IBAN, date): l’OCR può confondere 0 e O, 1 e l.
  • Togli prima le pagine bianche di una scansione lunga per risparmiare tempo.

Domande frequenti

Il mio PDF viene inviato a un server?

No. Le pagine vengono rese e riconosciute nel tuo browser. Solo il motore Tesseract e il file della lingua vengono scaricati da jsDelivr al primo utilizzo.

Il PDF ricercabile mantiene il testo originale se il mio documento ne aveva già?

No. Ogni pagina viene sostituita dalla sua immagine e il nuovo livello di testo proviene dall’OCR. Non usare lo strumento su un PDF il cui testo è già selezionabile.

Perché il file ottenuto è più pesante?

Perché ogni pagina diventa un’immagine PNG alla risoluzione scelta. La qualità Rapida produce un file più leggero, a scapito di un riconoscimento meno affidabile sui caratteri piccoli.

Quali lingue vengono riconosciute?

Francese, inglese, spagnolo, tedesco, italiano e portoghese, oltre a una combinazione francese + inglese per documenti misti.

Il riconoscimento è esatto al 100 %?

No. Dipende da nitidezza, carattere e impaginazione; tabelle, scrittura a mano e scansioni sfocate producono più errori.

Quanto tempo ci vuole?

Pochi secondi per pagina su un computer recente, di più in qualità Alta o su smartphone. L’avanzamento è indicato in percentuale.

Strumenti correlati

Continua con questi strumenti

Strumenti simili o complementari a questo.

Funziona bene con

PDF in Markdown

Estrai il testo selezionabile da un PDF e convertilo in Markdown localmente, senza OCR né invio del documento.

PDF e documentiUsa questo strumento

Leggi anche