Erkennen, ob ein PDF gescannt ist

Analysieren Sie ein PDF, um zu schätzen, ob es von einem Scan stammt (Bilder auf den Seiten, Fehlen von Schriften, CCITT/JBIG2-Indikatoren) und exportieren Sie das Diagnoseergebnis im JSON-Format lokal in Ihrem Browser.

Ein PDF importieren

Es werden keine Daten an einen Server gesendet: alles geschieht in Ihrem Browser.

← Zurück zu den PDF-Tools

Anwendungsfälle

Entscheidung über ein OCRSchnell wissen, ob OCR vor der Indizierung/Volltextsuche erforderlich ist.
ZugänglichkeitskontrolleIdentifizieren Sie nicht auswählbare "Bild"-PDFs (oft nicht barrierefrei), die korrigiert werden müssen.
ExtraktionspipelineDokumente automatisch weiterleiten: direkte Extraktion, wenn Text vorhanden ist, andernfalls OCR.
Scan-QualitätssicherungSeiten mit schlechter Qualität (zu wenig Text, dominante Bilder) in einem Stapel von Scans erkennen.

Was Sie erhalten

Ein JSON-Diagnosebericht pro Seite: Vorhandensein von Text, Anteil an Bildinhalt, Hinweise auf "Scan" (basierend auf Heuristiken).

Indikatoren zur Priorisierung von OCR (zu bearbeitende Seiten, bereits nutzbare Seiten).

Grenzen und Punkte zur Beachtung

Heuristische Erkennung: Einige grafische PDFs (Kataloge, Folien) können wie Scans aussehen, ohne es zu sein.
PDFs können "versteckten Text" (bereits durchgeführtes OCR) enthalten: Das Tool erkennt ihn, aber die Qualität kann variieren.
Die tatsächliche Qualität des OCR hängt von der Auflösung, dem Kontrast und der Sprache ab — hier nicht fein bewertet.

Häufig gestellte Fragen

Kann ein Scan auswählbaren Text enthalten?

Ja, wenn ein OCR angewendet wurde: Das Bild bleibt, aber eine Textebene wird hinzugefügt.

Macht das Tool das OCR?

Nein. Es erkennt und diagnostiziert. OCR ist ein separater Schritt.

Warum wird eine Seite als “Scan” klassifiziert, obwohl ich Text sehe?

Der sichtbare Text kann ein Bild (Rendering) sein, kein Vektortext. Das Diagnosetool basiert auf dem internen Inhalt.

Tipp

Bevor Sie Zeit in die Extraktion investieren, erkennen Sie Scans: Das ist der einfachste Weg, um zu vermeiden, dass Sie nach Text suchen, der ohne OCR nicht existiert.