OCR PDF gratis – rendi ricercabile un PDF scansionato

Come rendere ricercabile un PDF scansionato

Un PDF scansionato è una serie di immagini di pagine: vedi le parole, ma non puoi cercarle, selezionarle né copiarle. L'OCR aggiunge il testo che manca.

1. Aggiungi il PDF scansionato oppure le foto delle pagine. Dallo smartphone puoi scattarle direttamente.
2. Scegli le lingue del documento. Viene suggerita la lingua di questa pagina, ma il documento può essere diverso.
3. Scegli le pagine. Le pagine che contengono già testo vengono riconosciute, quindi di norma si leggono solo quelle scansionate.
4. Se vuoi, migliora la scansione per l'OCR: scala di grigi, più contrasto, raddrizzamento o riduzione del rumore. L'anteprima mostra esattamente ciò che leggerà l'OCR.
5. Avvia l'OCR, controlla il testo riconosciuto pagina per pagina e correggi gli errori.
6. Scarica il PDF ricercabile o il testo in un file .txt, oppure copia il testo.

Che cos'è l'OCR?

L'OCR (riconoscimento ottico dei caratteri) trova le lettere in un'immagine e le trasforma in testo vero. Questo strumento usa Tesseract, un motore OCR open source che funziona direttamente nel browser.

Nel PDF ricercabile le parole riconosciute sono salvate in un livello invisibile, esattamente sopra le parole della scansione. La pagina ha lo stesso aspetto, ma il lettore PDF ora può cercarla e, selezionando una parola, la evidenzia sulla scansione. Così in una fattura scansionata trovi il numero della fattura e copi l'importo invece di riscriverlo.

Come migliorare l'OCR delle foto fatte con il telefono

L'OCR legge meglio il testo stampato quando le lettere sono nitide, scure e illuminate in modo uniforme. Qualche accorgimento aiuta molto:

• Usa la luce del giorno o una luce forte e uniforme, evitando l'ombra del telefono o della mano sul foglio.
• Tieni il telefono parallelo al foglio, così le righe restano dritte e le lettere non si deformano.
• Inquadra tutta la pagina e tocca per mettere a fuoco: con le foto mosse si perde per primo il testo piccolo.
• Appoggia il foglio su una superficie scura e uniforme, così bordi e righe si individuano facilmente.
• Se la foto è leggermente storta, attiva il raddrizzamento. Per scansioni sbiadite prova più contrasto, per quelle sgranate la riduzione del rumore.

Perché il PDF può diventare più grande dopo l'OCR?

Le pagine di un PDF aggiunto restano invariate, quindi il PDF ricercabile di solito cresce di poco: il livello di testo e una parte del font Inter occupano poco spazio per documento.

Con le foto è diverso. Le foto JPEG e PNG vengono incorporate senza modifiche (senza posizione e dati della fotocamera), mentre le foto WebP e HEIC devono essere convertite in JPEG, spesso più pesante dell'originale. Se ti serve un file piccolo, imposta una dimensione massima: le pagine scansionate vengono salvate di nuovo come immagini compresse e il testo resta ricercabile. Lo strumento non scende sotto una risoluzione leggibile solo per rispettare il limite.

L'OCR riconosce la scrittura a mano?

No. Il motore OCR è addestrato su testo stampato e digitato. Gli appunti scritti a mano di solito non vengono riconosciuti o risultano confusi, quindi la scrittura a mano non è supportata. Appunti stampati, moduli, lettere e scontrini funzionano bene con foto nitide.

L'OCR è privato?

Sì. PDF, immagini, testo riconosciuto e correzioni restano nel tuo browser. Nulla del documento viene inviato a un server.

La prima volta che usi una lingua, i suoi dati OCR (circa 0,6–2 MB) vengono scaricati da questo sito insieme al motore OCR e al lettore PDF. Questi download non contengono informazioni sul tuo documento e i dati linguistici restano poi nel browser per gli usi successivi.

Quali lingue sono supportate?

Puoi sceglierne fino a tre tra: inglese, tedesco, italiano, albanese, greco, francese, spagnolo, turco, serbo (cirillico o latino), croato e portoghese. Scegli tutte le lingue presenti: una lettera in italiano con nomi di prodotti in inglese si legge meglio con l'italiano al primo posto e l'inglese al secondo.

Le lettere accentate fanno parte dei dati linguistici: gli accenti italiani come è e à, le dieresi tedesche e la ß, la ë e la ç albanesi vengono riconosciuti e restano ricercabili nel PDF.

E se il PDF contiene già testo?

Molti PDF contengono già testo vero, per esempio i documenti salvati da un programma di videoscrittura o le scansioni già passate all'OCR. Prima di leggere, lo strumento controlla ogni pagina e conta a parte le pagine con testo selezionabile, quelle solo immagine e quelle miste o incerte.

Se tutte le pagine hanno già testo, l'OCR non serve: lo strumento propone di estrarre il testo esistente. Nei documenti misti legge solo le pagine scansionate e lascia invariate le altre, così il loro testo non viene duplicato. Una pagina con solo il numero di pagina o una breve intestazione viene comunque considerata scansionata.

OCR online gratuito senza caricare i documenti

«Online» significa solo che apri lo strumento su un sito web: l'elaborazione la fa il tuo browser e il documento non viene mai caricato su un server. Nessuna registrazione, nessun limite giornaliero, nessun piano a pagamento.

I tempi dipendono dal dispositivo. Poche pagine richiedono secondi, i documenti lunghi diversi minuti, e i file molto grandi possono superare la memoria di uno smartphone.