03 / SLIK BRUKER DU SØK
Slik bruker du Søkbar OCR-PDF
Last opp én PDF-fil på opptil 50 MB og maks 500 sider. Velg språk for tekstgjenkjenning: engelsk, tysk og/eller fransk – du kan velge ett eller flere. Angi også oppløsningen (DPI) i feltet på siden; standard er 300, og du kan sette den mellom 150 og 400. Jo høyere DPI, desto bedre gjenkjenning på små eller utydelige skanninger, men filen blir større.
Når jobben er ferdig, laster du ned den nye PDF-en. Den opprinnelige filen behandles aldri lokalt; alt skjer på serveren etter opplasting.
04 / HVA SKJER MED FILE
Hva skjer med filen og teksten?
Den opplastede filen lagres i privat objektlagring. For anonyme brukere slettes den etter 1 time; er du innlogget, slettes den etter 7 dager. Før noe åpnes, skannes filen for skadelig programvare, slik at en infisert fil aldri når konverteringsmotoren. Filtypen bestemmes ved å lese de faktiske byteene, ikke filnavnet – å gi en fil nytt navn til .pdf hjelper ikke.
Selve gjenkjenningen utføres av Tesseract OCR-motoren. Sider som allerede har søkbar tekst (omtrent et dusin virkelige tegn), blir stående urørt – de beholder skarpheten og teksten sin. Bare sidene som faktisk trenger gjenkjenning, blir re-imaged i den valgte oppløsningen. Det betyr at en delvis skannet PDF ikke mister kvaliteten på de digitale sidene sine.
Etter at arbeidet er ferdig, åpner verktøyet sitt eget resultat og leser teksten tilbake. Hvis sidetallet har endret seg, eller hvis sider ble gjenkjent men ingen tekst kan hentes ut, mislykkes jobben i stedet for å returnere en fil som bare ser søkbar ut.
05 / HVA KAN GÅ GALT?
Hva kan gå galt?
Tekstgjenkjenning er aldri perfekt. Håndskrift, uvanlige skrifttyper, lavoppløselige skanninger og kolonner som berører hverandre – alt dette reduserer nøyaktigheten. Les gjennom resultatet, spesielt for tall og personnavn, og kontroller mot originalen hvis innholdet er viktig.
Hvis en språkpakke mangler på serveren, sjekkes dette før arbeidet starter, og jobben feiler umiddelbart – ikke etter opplasting. Resultatet kan også returnere advarselen OCR_TEXT_LAYER_ADDED, som betyr at et gjenkjent tekstlag ble lagt til, men at gjenkjenningen ikke er perfekt.
06 / SLIK LØSER DU PROB
Slik løser du problemer med resultatet
Fikk du en advarsel? Ikke bli skremt: advarselen betyr bare at tekstlaget er lagt til, men at noen tegn kan være feil. Hvis du ser mange feil, kan du øke DPI-verdien (opptil 400) og kjøre filen på nytt. Sørg også for at språkvalget stemmer – for eksempel må en tysk tekst med umlaut gjenkjennes med tysk valgt.
Hvis jobben feiler uten at du får en PDF, kan årsaken være at filen ikke er en ekte PDF, at den overstiger 50 MB eller 500 sider, eller at ingen tekst ble funnet etter gjenkjenning. Last opp en gyldig fil og prøv igjen. Sider som allerede har søkbar tekst blir ikke berørt, så hvis du har en hybrid PDF, vil de digitale sidene forbli skarpe.
07 / OM OPPLØSNING OG F
Om oppløsning og filstørrelse
DPI-verdien (dots per inch) bestemmer hvor fin re-imaging av skannede sider blir. Standard 300 DPI er godt for de fleste dokumenter. For dokumenter med liten skrift, for eksempel fotnoter, kan 400 DPI gi bedre resultat. Velger du 150 DPI, blir filen mindre, men gjenkjenningen kan bli dårligere. Husk at oppløsningen bare gjelder for sider som faktisk trenger OCR – ikke for sider som allerede har tekst.
Verktøyet godtar kun én PDF-fil per jobb. Hvis du har flere skanninger, må du slå dem sammen til én PDF først (for eksempel med et annet verktøy på denne siden).
FAQ
Vanlige spørsmål
Blir den skannede PDF-en min søkbar?
Ja. Verktøyet legger et usynlig tekstlag på skanningen. Du kan søke i teksten med PDF-leseren din, og du kan markere og kopiere tekst. Sider som allerede har søkbar tekst, endres ikke.
Hvilke språk støttes?
Engelsk, tysk og fransk. Du kan velge ett eller flere språk om gangen. Ingen andre språk er tilgjengelige. Hvis teksten er på et språk som ikke er valgt, blir gjenkjenningen dårlig.
Hvorfor blir noen sider ikke behandlet?
Sider som allerede har søkbar tekst (minst omtrent tolv tegn) blir kopiert uendret. Dette er fast innstilt for å bevare skarpheten og teksten på digitale sider. Bare sider som faktisk er skanninger, gjennomgår OCR.
Hvilken DPI bør jeg velge?
Standard 300 DPI er godt for vanlige dokumenter. Hvis skanningen har liten skrift eller er utydelig, prøv 400 DPI. For å redusere filstørrelsen kan du velge 150 DPI, men gjenkjenningen kan bli dårligere. Området er 150–400.
Hva betyr advarselen OCR_TEXT_LAYER_ADDED?
Den betyr at et tekstlag ble lagt til, men at gjenkjenningen ikke er perfekt. Sjekk resultatet for feil, spesielt i tall og navn. Hvis mange tegn er feil, øk DPI og kjør på nytt.
Hvorfor feilet jobben min?
Vanlige årsaker er at filen ikke er en ekte PDF (filtypen sjekkes ved å lese innholdet), at den er over 50 MB eller 500 sider, eller at teksten ikke kunne leses tilbake etter gjenkjenning. Last opp en gyldig fil og prøv igjen.
Mister jeg kvalitet på originale digitale sider?
Nei. Sider som allerede har søkbar tekst blir ikke re-imaget. Bare sider som trenger OCR blir behandlet i valgt DPI. Dermed beholder digitale sider sin opprinnelige skarphet.