PRAKTISCHE RATGEBER · PDF und Dokumente
Text aus einer gescannten PDF extrahieren und prüfen
Eine PDF kann Wörter anzeigen, ohne kopierbaren Text zu enthalten. Erkenne einen Scan, gewinne Text daraus und prüfe Erkennungsfehler vor der weiteren Verwendung.
Von Puffinmint · Aktualisiert am
1. Prüfe, ob bereits Text vorhanden ist
Versuche einen Satz zu markieren und ein Wort im PDF-Reader zu suchen. Funktioniert das Kopieren, verwende direkt PDF zu Text. Besteht die Seite nur aus einem Bild, kann OCR nötig sein.
Leerer oder verstümmelter kopierter Text kann auch an Einschränkungen oder der Zeichenkodierung liegen. Prüfe eine einfache Seite und vergleiche sie mit dem Original.
2. Bereite die Seite vor und wähle die Sprache
Bewahre das Original auf. Kontrolliere Ausrichtung, Kontrast und Seitenränder. Abgeschnittene Zeilen lassen sich nicht sicher wiederherstellen. Vermeide beim erneuten Scannen Unschärfe und Schatten. Teste zunächst ein oder zwei typische Seiten.
Wähle in OCR PDF die Dokumentsprache und den Seitenbereich. Verfügbar sind Italienisch, Englisch, Spanisch, Französisch, Deutsch, Japanisch, Koreanisch, Polnisch und Türkisch. Portugiesisch wird derzeit nicht angeboten; die Sprache der Oberfläche ändert das nicht.
3. Extrahiere Text aus der erkannten PDF
Starte OCR PDF und lade die erzeugte PDF mit erkannter Textebene herunter. Teste darin Suche und Auswahl. Öffne anschließend PDF zu Text, wähle diese neue PDF und die gewünschten Seiten und kopiere den Text oder lade TXT herunter.
Beim Start der OCR wird die Datei an den Server übertragen; PDF zu Text extrahiert den Inhalt im Browser. Beachte die aktuellen Grenzen und Angaben zur Dateiverarbeitung. TXT erhält das ursprüngliche Seitenlayout nicht.
4. Vergleiche das Ergebnis mit dem Original
Prüfe Zeile für Zeile, besonders Namen, Daten, Beträge und ähnliche Zeichen wie O/0 oder I/1. Bei Spalten und Tabellen zählt auch die richtige Reihenfolge. Lesbare Wörter allein reichen nicht.
Im erfundenen Beispiel wurden drei Ziffern als Buchstaben erkannt. Korrigiere sie anhand des Originals und lies den gesamten Text erneut. Ein Textvergleich zeigt Änderungen zwischen Fassungen, bestätigt aber nicht die Richtigkeit der Abschrift.
- Alle benötigten Seiten sind in der richtigen Reihenfolge vorhanden.
- Namen, Zahlen, Zeichen und Trennzeichen stimmen mit dem Original überein.
- Der eingefügte Text bleibt im Zielprogramm sinnvoll geordnet.
Eine erkannte Zeile prüfen
- Ausgangsdaten
- Ungeprüfte OCR: B-I02 · 2026-11-O2 · 1 25O
- Ergebnis
- Geprüftes Original: B-102 · 2026-11-02 · 1 250
Bewahre beide Fassungen auf. Die Berichtigung stammt aus dem Original, nicht aus einer automatischen Vermutung.
Quellen und Methode
Häufige Fragen
Ist eine PDF nach OCR automatisch barrierefrei?
Nein. Text und Lesereihenfolge können weiterhin falsch sein. Texterkennung, Tags, Struktur und Barrierefreiheitsprüfung sind getrennte Aufgaben.
Lässt sich ein unlesbares Wort automatisch retten?
Nicht zuverlässig. Besorge einen besseren Scan oder prüfe das Quelldokument, statt fehlende Wörter oder Zahlen zu erraten.