Immagine in PDF ricercabile

Rendere ricercabile un'immagine scansionata

La foto o lo screenshot di un documento è facile da condividere, ma difficile da consultare con una ricerca. Le parole fanno parte dell'immagine, quindi un lettore PDF non riesce a trovare un nome, un numero di fattura o un paragrafo all'interno del file. Questo strumento Immagine in PDF ricercabile mantiene l'immagine originale come pagina visibile e aggiunge al PDF il testo OCR, così i lettori possono cercare e selezionare il contenuto riconosciuto. È utile per scansioni di una sola pagina, ricevute, lettere, moduli, foto di lavagne e screenshot che vuoi archiviare come PDF.

Tutto avviene nel browser. Tesseract.js legge l'immagine caricata con l'OCR WebAssembly e pdf-lib crea un nuovo documento PDF senza contattare alcun server. La pagina ha le dimensioni dell'immagine, quindi il PDF appare identico al file di origine. Sopra l'immagine viene disegnato un piccolo livello di testo a bassa opacità che rende le parole riconosciute disponibili alla ricerca nel PDF e agli strumenti di selezione del testo. L'immagine, il risultato OCR e il PDF finale restano nella memoria locale del browser fino al download del file.

Come ottenere PDF ricercabili migliori

Parti dall'immagine più nitida che hai. Le scansioni dritte e gli screenshot nitidi funzionano di solito meglio delle foto scattate con il telefono in modo inclinato. Se fotografi della carta, appoggia il documento su una superficie piana, usa una luce uniforme e tieni la fotocamera parallela alla pagina. Se possibile, ritaglia scrivanie, bordi e ombre prima del caricamento. Un buon contrasto tra lettere e sfondo aiuta l'OCR a separare i caratteri, soprattutto nei testi piccoli.

Seleziona la lingua corrispondente al documento prima di creare il PDF. La prima volta che usi una lingua, il browser potrebbe scaricare il motore OCR e il modello, rendendo la prima elaborazione più lenta; le successive sono di solito più rapide perché i file vengono messi in cache. L'OCR non è perfetto: cerca i termini importanti nel PDF finale e confrontali con l'immagine originale prima di usare il file per registri, contratti, fatture o altri flussi di lavoro che richiedono alta precisione.

Cosa contiene il PDF generato

Il PDF di output contiene una pagina con l'immagine originale a dimensione piena e un livello di testo selezionabile generato dall'OCR. Questo rende il file comodo per archivi personali, app di appunti, cartelle di documenti e allegati email in cui si preferisce il PDF a un'immagine. Il livello di testo è pensato per la ricercabilità e non per una ricostruzione visiva perfetta, quindi colonne complesse, tabelle o scrittura a mano potrebbero non allinearsi esattamente. Per lavori con più pagine, usa gli strumenti OCR per PDF o OCR in batch e unisci i file con un editor PDF dedicato, se necessario.