PDF scansionato in testo (OCR)

Ottenere una lettura più pulita

Ogni pagina viene resa a 200 DPI prima della lettura, quindi il limite è rappresentato dalla scansione stessa. Il testo principale scansionato a 300 DPI viene letto bene; una foto di una pagina scattata con il telefono in obliquo o una scansione di qualità fax con caratteri piccoli produce risultati incerti. Le pagine ruotate lateralmente o capovolte vengono lette molto male: raddrizzale con ruota PDF prima di avviare il riconoscimento.

Scegli la lingua in cui è scritto il documento, perché per ciascuna lingua viene usato un modello separato. Per il cinese esistono modelli semplificato e tradizionale, e scegliere quello sbagliato riduce notevolmente la precisione. Un documento che mescola due lingue viene letto meglio usando quella presente nella maggior parte del testo.

Controllare il risultato

Il valore di affidabilità è una media calcolata su tutte le pagine, quindi una pagina problematica può essere nascosta da un buon punteggio. Un valore intorno a 90 o superiore di solito indica solo errori occasionali; sotto 75, aspettati errori nella maggior parte dei paragrafi. Le confusioni più comuni sono 0 e O, 1, l e I, rn letto come m e 5 letto come S. Questo è particolarmente importante per importi, date e numeri di riferimento: verifica quindi ogni cifra sulla pagina.

Lascia attiva l'opzione Unisci le righe in paragrafi per la prosa, dove ricompone le frasi spezzate alla fine di ogni riga stampata. Disattivala per indirizzi, elenchi e tabelle, dove le interruzioni di riga hanno un significato.

Come usarlo

1. Scegli un PDF scansionato.
2. Seleziona la lingua del testo.
3. Leggi il risultato e copialo o scaricalo.

Privacy e limitazioni

Il tuo file non viene mai caricato. Il motore di riconoscimento e il modello linguistico vengono scaricati una sola volta — circa 10 MB — e memorizzati nella cache del browser; poi tutto funziona sul tuo dispositivo. I servizi OCR online funzionano al contrario: richiedono il documento. Un documento lungo richiede un po’ di tempo, perché ogni pagina viene convertita in un’immagine e poi letta una alla volta.