Tiny Online Tools
Die Ebene, die niemand sehen kann
Wenn ein Scan durch eine OCR läuft, ersetzt die Erkennung das Bild nicht. Sie lässt den Scan genau so, wie er war, und schreibt die erkannten Wörter im PDF-Rendermodus 3 darüber — „weder füllen noch zeichnen". Der Text ist da, markierbar und durchsuchbar, aber kein Betrachter wird je ein einziges Pixel davon zeichnen.
Das ist ein sinnvolles Design, und es macht die OCR-Qualität unbeurteilbar. Eine Suche ohne Treffer sagt Ihnen, dass das Wort fehlt; sie sagt Ihnen nicht, ob die Erkennung Erhalten als Erhaiten gelesen oder eine ganze Spalte um eine Zeile verschoben hat.
Was dieses Werkzeug zeigt
Jedes erkannte Wort wird in genau den Rahmen zurückgezeichnet, aus dem es erkannt wurde, über dem Scan, aus dem es stammt. Vier Ansichten:
- Nur Rahmen — Umrisse, um Abdeckung und Ausrichtung zu beurteilen, ohne dass der Text stört.
- Text über dem Bild — die erkannten Wörter halbtransparent über dem Scan, mit Deckkraftregler. Wo die Erkennung verrutscht ist, schiebt sich das gezeichnete Wort sichtbar über das gescannte darunter.
- Nur Text — die Ebene allein auf weißem Papier, also das, was ein Screenreader effektiv bekommt.
- Nur Bild — der Scan, wie er war, zum Vergleich.
Wechseln Sie zwischen Wort-, Zeilen- und Blockrahmen, durchsuchen Sie den erkannten Text und sehen Sie die Treffer auf der Seite, und klicken Sie einen Rahmen an, um ihn in der Liste zu finden.
Qualität beurteilen
Pro Seite erhalten Sie Wort- und Zeichenzahl, wie viel des Textes tatsächlich unsichtbar ist, die durchschnittliche Wortrahmengröße und einen Abdeckungswert — welchen Anteil der Seitenfläche die OCR-Rahmen einnehmen. Eine Erkennung, die auf halber Seite aufgegeben hat, verrät sich durch geringe Abdeckung, lange bevor Ihnen die fehlenden Wörter auffallen.
Wörter mit statistisch ungewöhnlicher Form werden markiert: keine Vokale, Buchstaben mit Ziffern vermischt, Ein-Zeichen-Fragmente, Symbolketten, Rahmen, die stark aus der Reihe ihrer Nachbarn fallen. Das sind Verdachtsfälle, keine Fehler.
Export
Reiner Text, JSON mit jedem Rahmen und seiner Schrift, oder HTML im hOCR-Stil für weiterverarbeitende Werkzeuge. Die Koordinaten sind PDF-Punkte mit Ursprung oben links.
Datenschutz
Es wird nichts hochgeladen. Das PDF wird vollständig in Ihrem Browser geparst, gerendert und vermessen.