03 / HOE MAAKT U EEN DO
Hoe maakt u een doorzoekbare PDF?
Kies op de pagina de talen die in uw scan voorkomen: Engels, Duits en/of Frans. U kunt één of meerdere talen tegelijk selecteren. Zet daarna het gewenste aantal dots per inch (dpi) in het getalveld, tussen 150 en 400. De standaardwaarde is 300, die voor de meeste scans goed werkt.
Upload daarna één PDF-bestand. Het bestand mag maximaal 50 MB groot zijn en maximaal 500 pagina's bevatten. Tijdens de verwerking ziet u de status: eerst uploaden, dan in de wachtrij en daarna wordt het bestand verwerkt, met een percentage.
Na afloop kunt u de nieuwe PDF downloaden. Daarin zit een tekstlaag die u kunt doorzoeken en waaruit u tekst kunt kopiëren.
04 / WAT DOET DE TOOL P
Wat doet de tool precies met uw bestand?
De tool draait op de server, niet op uw eigen computer. Zodra het bestand is geüpload, scant de server het op virussen. Pas als dat is gebeurd, wordt het bestand geopend en bekeken. Het bestandstype wordt bepaald door de werkelijke inhoud, niet door de bestandsnaam. Een bestand dat niet echt een PDF is, wordt afgewezen voordat er iets mee gebeurt.
Pagina's die al doorzoekbare tekst bevatten, worden herkend en worden zonder verdere bewerking overgenomen. Zo blijven de originele scherpte en de bestaande tekstlaag behouden. Alleen pagina's die nog geen tekst bevatten, worden opnieuw verwerkt op de door u gekozen resolutie.
De eigenlijke tekstherkenning wordt uitgevoerd door de OCR-engine Tesseract. Na afloop opent de tool het resultaat opnieuw en controleert het. Als het aantal pagina's is veranderd of als er geen tekst uit de herkende pagina's te halen valt, wordt de opdracht afgebroken. U krijgt dan geen bestand dat alleen maar op een doorzoekbare PDF lijkt.
05 / WELKE TALEN EN RES
Welke talen en resolutie kunt u instellen?
U kunt kiezen uit Engels, Duits en Frans. Andere talen zijn niet beschikbaar. U kunt meerdere talen per keer aanvinken, bijvoorbeeld als uw scan zowel Engelstalige als Duitstalige delen bevat.
De dpi-waarde bepaalt de resolutie van de tekstherkenning. Een hogere dpi (bijvoorbeeld 400) kan betere resultaten geven bij kleine of onduidelijke letters, maar het bestand wordt groter. Een lagere dpi (bijvoorbeeld 150) maakt het bestand kleiner, maar de herkenning kan slechter worden. Kies een waarde die past bij de kwaliteit van uw scan. Voor de meeste scans is 300 dpi een goede keuze.
De gekozen talen worden vóór de verwerking gecontroleerd. Als een taal niet is geïnstalleerd op de server, stopt de opdracht direct en krijgt u een foutmelding. U hoeft dus niet eerst een bestand te uploaden om erachter te komen dat een taal niet werkt.
06 / WAAR MOET U OP LET
Waar moet u op letten bij de kwaliteit van de herkenning?
Geen enkele OCR is perfect. Handschrift, ongebruikelijke lettertypen, scans met een lage resolutie en kolommen die tegen elkaar aan liggen, leiden tot fouten. Ook deze tool kan dat niet voorkomen. Als een pagina al een beetje tekst bevat (ongeveer een dozijn echte tekens), wordt die overgeslagen. Zo blijft bestaande tekst altijd haarscherp, maar het betekent ook dat een pagina met alleen een kleine kop misschien niet opnieuw wordt verwerkt.
Let op: de waarschuwing 'OCR_TEXT_LAYER_ADDED' verschijnt als de tool een tekstlaag heeft toegevoegd. Dit betekent niet dat de herkenning perfect is. Controleer bij belangrijke documenten altijd of de herkende tekst klopt, vooral bij cijfers en eigennamen.
07 / WAT GEBEURT ER MET
Wat gebeurt er met uw bestand en uw privacy?
Uw bestand wordt geüpload naar een privé-opslag. Als u niet bent aangemeld, wordt het bestand na 1 uur automatisch verwijderd. Bent u aangemeld, dan is dat na 7 dagen. De tool scant elk bestand op virussen en het bestandstype wordt gecontroleerd aan de hand van de werkelijke bestandsinhoud. Zo kan een bestand dat is hernoemd naar .pdf er niet doorheen glippen.
FAQ
Veelgestelde vragen
Kan ik een handgeschreven scan omzetten naar doorzoekbare tekst?
Nee. De OCR herkent alleen gedrukte tekst in Engels, Duits of Frans. Handschrift wordt niet goed herkend en leidt tot fouten. Gebruik deze tool alleen voor scans van getypte of gedrukte documenten.
Waarom wordt niet elke pagina herkend?
Pagina's die al doorzoekbare tekst bevatten (ongeveer 12 tekens) worden ongewijzigd overgenomen. Dat bespaart tijd en behoudt de originele kwaliteit. Als u vermoedt dat een pagina toch niet is herkend, controleer dan of er echt geen tekst aanwezig is.
Wat betekent de waarschuwing 'OCR_TEXT_LAYER_ADDED'?
Deze waarschuwing betekent dat er een tekstlaag is toegevoegd aan de PDF. Het is geen fout, maar een mededeling. De herkenning is echter niet perfect, dus controleer altijd de belangrijkste delen van de tekst, zoals namen en cijfers.
Wordt mijn bestand na verwerking verwijderd?
Ja. Als u niet bent aangemeld, wordt uw bestand automatisch verwijderd na 1 uur. Bent u aangemeld, dan is dat na 7 dagen. Daarnaast wordt elk bestand vóór verwerking op virussen gescand.
Hoe stel ik de resolutie in voor een betere herkenning?
Kies een dpi-waarde tussen 150 en 400. Hoe hoger de dpi, hoe meer details de OCR ziet, maar dat levert ook grotere bestanden op. Bij onduidelijke scans kunt u beter 400 dpi kiezen. Voor standaard scans is 300 dpi een goede keuze.
Welke talen kan ik gebruiken?
De tool ondersteunt Engels, Duits en Frans. U kunt één of meerdere van deze talen tegelijk selecteren. Andere talen worden niet aangeboden en zijn niet beschikbaar.
Kan ik grotere bestanden verwerken dan 50 MB?
Nee. Het bestand mag maximaal 50 MB groot zijn en maximaal 500 pagina's bevatten. Als uw PDF groter is, moet u het eerst splitsen of verkleinen.