Ein PDF, das am Bildschirm scharf aussieht, kann ausschließlich Abbildungen von Wörtern enthalten. Ein anderes zeigt dieselbe gescannte Seite, trägt dahinter aber eine unsichtbare Textebene. Der Unterschied wirkt sich auf Suche, Kopieren, Konvertierung und Übersetzung aus.
Sie können eine brauchbare Einschätzung erhalten, ohne in die Datei hineinzuschauen. Testen Sie mehrere Seiten und achten Sie darauf, was die Textebene tatsächlich hergibt – nicht nur darauf, wie das Dokument aussieht.
Einen vollständigen Satz markieren und kopieren
Öffnen Sie das PDF in einem Viewer und versuchen Sie, einen Satz im Fließtext zu markieren. Fügen Sie ihn in einen reinen Texteditor ein. Prüfen Sie die Zeichen und ihre Reihenfolge, einschließlich Satzzeichen, Zahlen sowie akzentuierter oder nicht-lateinischer Schrift.
Wird beim Markieren die ganze Seitenabbildung statt einzelner Wörter hervorgehoben, besteht die Seite wahrscheinlich nur aus einem Bild. Lässt sich ein Satz sauber kopieren, gibt es an dieser Stelle eine nutzbare Textebene. Erscheint der kopierte Text als Zeichensalat oder wechselt er zwischen Spalten hin und her, ist zwar Text auswählbar, für die weitere Verarbeitung aber möglicherweise unzuverlässig.
Beurteilen Sie nicht das ganze Buch anhand des Umschlags. Titelseiten verwenden oft andere Schriftarten, Bilder oder Layouts als der Hauptteil.
Einen Scan mit verborgener Textebene erkennen
OCR kann über oder hinter einem gescannten Bild durchsuchbaren Text einfügen. Die sichtbare Seite bleibt ein Scan, während Suche und Textauswahl den erkannten Text verwenden. Das kann nützlich sein, doch eine unsichtbare Ebene kann Fehler enthalten, die das scharfe Seitenbild verdeckt.
Suchen Sie nach einer charakteristischen Wendung und vergleichen Sie den gefundenen Text mit dem Bild. Kopieren Sie eine Zeile mit einer Zahl oder einem Fachbegriff. Prüfen Sie, ob die Markierung sinnvoll sitzt und ob ihr Inhalt mit dem übereinstimmt, was Sie lesen können.
Eine fehlerhafte verborgene Ebene bedeutet nicht, dass das Bild selbst schlecht ist. Die Ursache kann in einer früheren Texterkennung, der Zeichenkodierung oder einer falschen Lesereihenfolge liegen. Behalten Sie beide Möglichkeiten im Blick, bevor Sie entscheiden, ob Sie neu scannen oder die Verarbeitung wiederholen.
Gemischte und schwierige Seiten stichprobenartig prüfen
Viele PDFs verbinden digitalen Text mit eingefügten Scans, Anhängen oder Abbildungen. Ein Dokument kann außerdem von Abschnitt zu Abschnitt unterschiedliche Layouts haben. Prüfen Sie eine kleine Auswahl:
| Zu prüfende Seite | Zweck |
|---|---|
| Normaler Fließtext | Die Art des Hauptinhalts bestimmen |
| Mittlere und letzte Abschnitte | Änderungen an der Quelle oder beim Export finden |
| Zweispaltige Seite | Die Reihenfolge der Textextraktion prüfen |
| Tabelle oder Formel | Zahlen, Symbole und Struktur prüfen |
| Anmerkungen oder Anhang | Kleingedrucktes und eingefügte Scans finden |
Notieren Sie, welche Seiten nur aus Bildern bestehen, welche sich korrekt kopieren lassen und bei welchen der Text unzuverlässig ist. Das sagt mehr aus als ein einzelnes Etikett wie „gescanntes PDF“.
Ist der Scan selbst unscharf, abgeschnitten oder von Schatten überlagert, beheben Sie das, bevor Sie sich auf die Texterkennung verlassen. Die Anleitung zur Vorbereitung schlechter Scans beschreibt die Vorbereitung außerhalb der Website, ohne dass dort Funktionen zur Bildbearbeitung vorausgesetzt werden.
Den Weg nach dem gewünschten Ergebnis wählen
Bei einer reinen Bildquelle muss OCR den Text erst erfassen, bevor daraus bearbeitbarer Inhalt oder eine übersetzte Leseausgabe werden kann. Auch die Struktur muss wiederhergestellt werden: Selbst wenn jedes Wort erkannt wird, stehen Spalten, Bildunterschriften und Anmerkungen dadurch nicht automatisch in der richtigen Reihenfolge.
Wenn Sie weiterlesen möchten und dabei die Schriftgröße anpassen wollen, kommt gescanntes PDF zu EPUB infrage. Wenn Sie bearbeitbaren Inhalt für Notizen oder die weitere Verarbeitung brauchen, kommt PDF zu Markdown infrage. Behalten Sie das ursprüngliche PDF, wenn es auf das exakte Erscheinungsbild der Seiten ankommt.
Für eine andere Sprache wählen Sie ausdrücklich den Weg über die Übersetzung. In PDF Craft setzt die Ausgabe als PDF eine Übersetzung voraus. Bei EPUB- und Markdown-Ausgaben ist eine Konvertierung ohne Übersetzung möglich; aktivieren Sie sie, wenn Sie sie benötigen. Die Anleitung zum Übersetzen gescannter PDFs behandelt diese Aufgabe vollständig.
Prüfung und Abnahme getrennt halten
Diese Kontrollen zeigen Ihnen, was die Quelle offenbar enthält. Sie belegen nicht, dass eine spätere Konvertierung korrekt ist. Sehen Sie nach der Verarbeitung dieselben schwierigen Seiten noch einmal an und vergleichen Sie die heruntergeladene Datei mit der Quelle.
Im PDF-Arbeitsbereich können Sie die Datei hochladen und die aktuellen Einstellungen und Limits prüfen. Neue Nutzer erhalten Testguthaben; die Verarbeitung wird nach Nutzung abgerechnet, die aktuellen Preise finden Sie unter Preise. Die Anleitung zu OCR und Übersetzung erklärt, warum Texterfassung, Struktur und Bedeutung nach der Prüfung der Quelle jeweils eigene Aufmerksamkeit verlangen.