Mac

Gescanntes PDF auf dem Mac per OCR erfassen

Die Vorschau kann kein PDF per OCR erfassen, und Live Text ist kein OCR. In einem aktuellen macOS können Sie über eine gescannte Seite fahren, die Wörter markieren und kopieren — all das passiert live im Betrachter und schreibt nichts in die Datei. Suchen Sie im Dokument, bekommen Sie keinen Treffer. Spotlight findet es nicht. Echtes OCR fügt dem PDF selbst eine unsichtbare Textebene hinzu, und dafür braucht es ein Werkzeug, das dafür gebaut ist.

Live Text gegen OCR

Das ist die Unterscheidung, die hängen bleiben sollte. Live Text erkennt Zeichen in einem Bild in dem Moment, in dem Sie hinsehen, im Betrachter, und gibt Ihnen eine Auswahl. Auf der Festplatte ändert sich nichts. Datei zu, Erkennung weg. OCR läuft einmal und schreibt die erkannten Wörter als unsichtbare Ebene in das PDF, positioniert unter dem Bild der Seite.

Beides erlaubt, einen Satz zu kopieren. Nur eines macht das Dokument durchsuchbar, für Spotlight indexierbar, für einen Screenreader lesbar, nach Word konvertierbar und in sechs Monaten wiederfindbar, wenn Sie den Dateinamen vergessen haben.

Live Text ist wirklich nützlich — eine Adresse von einem Scan zu greifen ist schneller als jede Alternative. Es ist nur kein Ersatz, und weil es so gut funktioniert, überzeugt es Leute davon, dass sie schon eine Textebene hätten.

Der Scan zählt mehr als das Werkzeug

Die Erkennungsgenauigkeit entscheidet sich bei der Aufnahme. 300 dpi sind die Untergrenze für normalen Druck; unter 200 beginnt die Engine zwischen ähnlichen Formen zu raten. Eine schräg fotografierte Seite verliert Genauigkeit durch die Verzerrung. Ein Schatten von der Schreibtischlampe macht ein Textband unlesbar. Jede OCR-Engine kommt mit einem sauberen Scan gut zurecht und alle kämpfen mit einem schlechten, also ist die Zeit besser ins Neu-Scannen investiert als in die Suche nach besserer Software.

Handyaufnahmen gehen in Ordnung, wenn die Seite flach liegt, das Licht gleichmäßig ist und die Kamera parallel zum Papier steht. Dokumentmodi, die die Seite automatisch entzerren, helfen viel.

Was schwer bleibt

Handschrift, generell. Dichte Tabellen, bei denen die Engine über Zellgrenzen hinweg liest. Zweispaltige Layouts, bei denen die Leserichtung erschlossen werden muss. Ligaturen und alte Schriftschnitte, Fraktur sowieso. Gemischte Schriftsysteme auf einer Seite. Ein Ergebnis, das 98 % richtig ist, heißt immer noch ein falsches Zeichen alle zwei Zeilen — alles mit Folgen muss also gelesen werden, nicht geglaubt.

Datenschutz, denn es ist meist ein Dokument, das zählt

Gescannte PDFs sind tendenziell die persönlichen — Verträge, Arztbriefe, Steuerunterlagen, Ausweisdokumente. Online-OCR schickt all das auf den Server eines anderen. Die Erkennung läuft auf einem modernen Mac ohne Upload völlig zufriedenstellend, und für diese Dokumentklasse ist das die sinnvolle Voreinstellung.

Schritt für Schritt

  1. Prüfen, was Sie haben
    PDF öffnen und ⌘F drücken. Liefert ein Wort, das Sie klar sehen, keine Treffer, gibt es keine Textebene.
  2. Über die Genauigkeit entscheidet der Scan, nicht die Software
    300 dpi, flache Seite, gleichmäßiges Licht. Eine verwackelte oder schiefe Aufnahme rettet nichts.
  3. OCR laufen lassen, um ein durchsuchbares PDF zu erzeugen
    Das Ergebnis soll identisch aussehen und sich anders verhalten — auswählbar, durchsuchbar, indexierbar.
  4. Mit ⌘F prüfen, dann mit Spotlight
    Ein Wort aus der Mitte des Dokuments suchen. Dann dasselbe im Finder suchen und bestätigen, dass der Index es erfasst hat.
PDF Studio – Editor & Reader

Unsere iOS-App genau dafür. Läuft auf deinem Gerät — kein Konto, kein Tracking.

Zur App →