OCR PDF

Extraherar sökbar text från skannade dokument.

Guide och FAQ

Om det här verktyget

Gör skannade PDF:er och bildbaserade dokument sökbara och enkla att kopiera från – känna igen text i webbläsaren med Tesseract.js, utan att ladda upp sidor till en moln-OCR-farm. Välj språk, kör igenkänning lokalt och ladda ner en PDF med ett dolt textlager som matchar den synliga skanningen. Gratis, inget konto. Oumbärligt för arkivkontrakt, myndighetsformulär och forsknings-PDF:er där du behöver Ctrl+F, kopiera-klistra eller ett senare PDF-till-Word-steg.

What you get
  • Resultat: PDF med ett osynligt textlager över varje sida – sökning och kopiering fungerar i Acrobat, Preview och webbläsare.
  • Motor: Tesseract LSTM körs lokalt via WebAssembly – ingen tredjeparts-OCR-API som standard.
  • Språk: flerspråkiga paket kombineras med + – noggrannhet beror på träningsdata för varje skrift.
  • Visuellt: sidans utseende förblir skanningen; OCR sätter inte om texten eller rättar sneda marginaler automatiskt.
  • Handstil: kursiv och underskrifter misslyckas vanligtvis eller blir delvisa – maskinskriven text fungerar bäst.
  • Begränsningar: stora skanningar vid 300 dpi tar tid på äldre bärbara; mycket svag text eller tungt brus minskar noggrannheten.
När ska det användas
  • Gör ett gammalt pappersarkiv sökbart utan att skicka volymer till en extern OCR-leverantör.
  • Förbered skannade kontrakt för PDF till Word när född-digital text inte finns.
  • Aktivera kopiera-klistra från myndighets-PDF:er som tekniskt sett är bilder.
  • Indexera mötespaket skannade från utskrifter för interna kunskapsbaser.
Why JoyPDF for this

Moln-OCR-tjänster laddar upp varje sida – inklusive underskrifter, kontonummer och klassificerade stycken – för att känna igen text externt. JoyPDF OCR körs helt i webbläsaren: pixlar och igenkända strängar stannar på enheten under bearbetning. Du väljer språk explicit istället för att en server gissar. Det passar GDPR, advokatsekretess och nästan luftgapsade flöden där utgående dokumentöverföring är förbjuden.

Så här använder du det
  1. 1Lägg till din skannade PDFSläpp filen eller välj den på enheten. Sidor laddas lokalt – ingen OCR-kö på serversidan.
  2. 2Välj OCR-språkVälj igenkänningsspråk – t.ex. engelska, polska eller kombinerat eng+pol för tvåspråkiga skanningar.
  3. 3Kör igenkänningJoyPDF bearbetar varje sida på enheten; framsteg visas per sida eftersom OCR är CPU-tungt.
  4. 4Ladda ner sökbar PDFSpara OCR-filen – visuellt lik skanningen men med markerbar, sökbar text under.

Vanliga frågor

Vilka språk stöder JoyPDF OCR?
JoyPDF använder Tesseract-språkpaket du väljer – vanliga latinska skrifter (engelska, polska, tyska, franska, spanska m.fl.) och många andra beroende på tillgänglig traineddata. Kombinera språk med + för tvåspråkiga dokument, t.ex. pol+eng för polsk brödtext med engelska rubriker. Fel språkval ger meningslös igenkänning – matcha dokumentet, inte ditt UI-språk. Sällsynta skrifter eller blandad vertikal text kan kräva specialist-OCR på skrivbordet om JoyPDF-resultat är dåliga. Nedladdade språkdata laddas i webbläsarsessionen; de skickas inte tillbaka med din PDF. Kontrollera nätverksfliken i webbläsarens utvecklarverktyg: bara app-resurser laddas, inte ditt dokument. Jämför resultatet med originalet innan du skickar filen till externa parter, domstol eller compliance-arkiv.
Hur noggrann är webbläsar-OCR jämfört med Adobe?
Rena kontorsskanningar vid 200–300 dpi med horisontell maskinskriven text når ofta hög noggrannhet – tillräckligt för sökning och grov kopiering. Sneda telefonbilder, stämplar över text, tabeller med linjer och fotnoter minskar precision i alla motorer. JoyPDF slår inte mänsklig ominskrivning av en kritisk klausul – kontrollera alltid juridiska och medicinska strängar. Adobes moln-OCR kan vara något bättre på svåra layouter men kräver uppladdning. För intern sökbarhet i bulkarkiv vinner lokala OCR-kompromisser vanligtvis på integritet. Kontrollera nätverksfliken i webbläsarens utvecklarverktyg: bara app-resurser laddas, inte ditt dokument. Jämför resultatet med originalet innan du skickar filen till externa parter, domstol eller compliance-arkiv.
Ändrar OCR det visuella utseendet på min PDF?
Skanningsbilden förblir det synliga lagret – OCR lägger till ett osynligt textlager under för sökning och markering. Du bör inte se typsnittsbyten på själva sidan om inte läsaren markerar OCR-text. Filstorleken kan växa måttligt av inbäddade textströmmar. Om du behöver ett rent ominskrivet dokument fungerar OCR sedan PDF till Word bättre än att förvänta dig att OCR ensam ersätter skanningen visuellt. Maskning efter OCR kräver Redact PDF – OCR tar inte bort känsliga pixlar. Jämför resultatet med originalet innan du skickar filen till externa parter, domstol eller compliance-arkiv. Kontrollera nätverksfliken i webbläsarens utvecklarverktyg: bara app-resurser laddas, inte ditt dokument.
Laddas min skannade PDF upp under OCR?
Nej. Igenkänning körs lokalt med Tesseract.js i WebAssembly. Sidbilder bearbetas i minnet på enheten; JoyPDF-servrar tar inte emot dokumentbytes för OCR. Språkmodellfiler laddas ner från CDN som vilken WASM-beroende som helst – inte ditt dokumentinnehåll. Verifiera med nätverksverktyg om compliance kräver bevis. Stäng fliken efter export på delade maskiner eftersom OCR-resultat kan innehålla extraherad PII i textlagret. Stäng fliken efter nedladdning på delade maskiner och töm nedladdningsmappen vid behov enligt säkerhetspolicy. All bearbetning sker lokalt i webbläsaren – filen når aldrig JoyPDF-servrar.
Kan jag OCR:a en PDF och sedan konvertera till Word?
Ja – det är ett vanligt flöde. Skannade PDF:er saknar struktur för PDF-till-Word tills OCR lägger till text. Kör OCR PDF först för sökbar text, sedan PDF till Word för redigerbara stycken – eller aktivera OCR-först-alternativ i PDF till Word när de erbjuds. Dubbel-OCR hjälper sällan. För formulär med kryssrutor, förvänta dig manuell städning i Word oavsett. Om bara sökning spelar roll räcker OCR ensamt utan Word-konvertering. Jämför alltid några sidor med källan innan du delar filen externt eller arkiverar den för compliance.
Varför är OCR långsamt på min dator?
OCR är CPU-tungt: varje sida analyseras vid bildupplösningen du bäddade in i skanningen. En 300 dpi-bok med 200 sidor kan ta många minuter på en äldre bärbar – normalt, inte ett fel. Stäng andra flikar för att frigöra RAM. Dela PDF:en och OCR:a kapitel separat om fliken kraschar. Framstegsåterkoppling visar status per sida. Snabbare hårdvara hjälper mer än att försöka igen. Nattlig batch på skrivbordet slår att kämpa i telefonwebbläsaren för stora arkiv. Kontrollera nätverksfliken: bara app-resurser laddas, inte ditt dokument.

About · Blog · Privacy