Convertire un PDF scansionato in testo (OCR)

Un modulo digitalizzato, un contratto fotocopiato, una fotocopia d'archivio: un PDF proveniente da uno scanner o da una fotocopiatrice contiene per lo più solo immagini di pagine, senza alcun testo realmente presente nel file — impossibile cercarvi una parola, copiarne un estratto o farlo leggere da uno screen reader. Questo strumento converte questo tipo di PDF in testo semplice, in documento Word o in PDF ricercabile che conserva l'aspetto della scansione diventando però indicizzabile.

Prima, una verifica che evita un'elaborazione inutile

Prima di avviare qualsiasi cosa, lo strumento apre il PDF e verifica se contiene già testo estraibile: è il caso di un PDF esportato direttamente da un software d'ufficio o già trattato a monte da un altro strumento OCR. Se viene trovato del testo, viene estratto direttamente dal file, senza passare dal riconoscimento di immagine — più rapido e soprattutto più affidabile di un riconoscimento che reinterpreterebbe un'immagine del testo già presente tale e quale nel file. Un messaggio ti informa quando è stata presa questa scorciatoia. Solo se non viene trovato alcun testo — il caso di una vera scansione, immagine per immagine — entra in gioco il motore di riconoscimento ottico dei caratteri.

Pagina per pagina, con un avanzamento reale

Ogni pagina di un PDF scansionato viene prima rasterizzata ad alta risoluzione (300 punti per pollice, il riferimento per un riconoscimento affidabile), poi elaborata singolarmente: rilevamento di un'eventuale rotazione di 90, 180 o 270 gradi (frequente su un lotto di pagine digitalizzate in versi diversi), raddrizzamento fine dell'inclinazione, riduzione del rumore, binarizzazione e infine riconoscimento dei caratteri nella lingua o nelle lingue che hai scelto. La barra di avanzamento procede realmente pagina per pagina, non in modo arbitrario: su un documento di diverse decine di pagine sai in ogni momento a che punto è l'elaborazione.

Tre uscite, uno stesso contenuto

Il testo semplice riunisce il contenuto di tutte le pagine in ordine, pronto per essere copiato. Il documento Word aggiunge un'interruzione di pagina tra ogni pagina sorgente e un paragrafo per blocco di testo rilevato, per restare vicino alla struttura originale mantenendosi modificabile. Il PDF ricercabile riutilizza l'immagine di ogni pagina così come inviata — timbri, firme e intestazioni compresi — sovrapponendole uno strato di testo invisibile: il documento ha esattamente lo stesso aspetto di prima, ma diventa ricercabile e copiabile in qualsiasi lettore PDF moderno.

Sul limite di 20 pagine

Il limite di 20 pagine per elaborazione non è arbitrario: mantiene un tempo di elaborazione compatibile con un uso interattivo (qualche decina di secondi anziché diversi minuti), su server condivisi tra tutti i visitatori del sito. Per un documento più lungo, dividerlo in più PDF di meno di 20 pagine con lo strumento di divisione dei PDF e poi elaborare ciascuna parte resta la soluzione più semplice.

Domande frequenti

Come capire se il mio PDF è già ricercabile?
Aprilo in un lettore PDF e prova a selezionare del testo con il mouse: se una parola si evidenzia, il PDF contiene già uno strato di testo e l'OCR non porterebbe nulla. Questo strumento esegue automaticamente questa verifica al posto tuo: se viene rilevato del testo, lo estrae direttamente, senza passare dal riconoscimento di immagine, il che è più rapido e più affidabile.
Quante pagine posso elaborare in una volta?
Al massimo 20 pagine per PDF. Questo limite esiste per mantenere un tempo di elaborazione ragionevole lato server; per un documento più lungo, dividilo prima con lo strumento di divisione dei PDF.
Quanto tempo richiede l'elaborazione di un PDF di più pagine?
Ogni pagina viene elaborata una dopo l'altra (rasterizzazione, raddrizzamento, riconoscimento), con un avanzamento mostrato in tempo reale. Un PDF scansionato di 10 pagine di qualità decente si elabora tipicamente in meno di un minuto.
Il risultato conserva l'impaginazione del PDF originale?
Il PDF ricercabile conserva esattamente l'aspetto visivo della scansione originale, pagina per pagina. Il testo semplice e il documento Word, invece, ricostruiscono solo il contenuto testuale nel suo ordine di lettura, senza le impaginazioni complesse (più colonne, tabelle, riquadri).
Il mio PDF scansionato contiene pagine ruotate di 90°, è un problema?
No, lo strumento rileva e corregge automaticamente una pagina capovolta o ruotata di un quarto di giro, pagina per pagina — un caso frequente con uno scanner che digitalizza indifferentemente il fronte e il retro di un quaderno.
Posso applicare l'OCR a un PDF protetto da password?
No: rimuovi prima la password con lo strumento di protezione PDF (funzione «rimuovere una password nota»), che richiede di conoscerla: questo strumento non tenta mai di aggirare una protezione.
Cosa significa il punteggio di confidenza mostrato per ogni pagina?
È la confidenza media del motore di riconoscimento sulle parole rilevate in quella pagina, da 0 a 100 %. Sotto il 60 %, la pagina merita una verifica manuale: il testo riconosciuto può contenere errori, in particolare su una scansione di cattiva qualità o su un documento antico.
Il file PDF inviato viene conservato?
No: né il PDF inviato né i documenti prodotti vengono conservati oltre i 30 minuti; nessun dato viene registrato né riutilizzato, e puoi avviare l'eliminazione immediata non appena hai recuperato il risultato.