Rileva se un PDF è scansionato

Analizza un PDF per stimare se proviene da una scansione (immagini sulle pagine, assenza di font, indizi CCITT/JBIG2) ed esporta la diagnosi in JSON, localmente nel tuo browser.

Importa un PDF

Nessun dato viene inviato a un server: tutto avviene nel tuo browser.

← Torna agli strumenti PDF

Casi d'uso

Decidere un OCRSapere rapidamente se l'OCR è necessario prima dell'indicizzazione/ricerca full-text.
Controllo accessibilitàIdentificare PDF "immagine" non selezionabili (spesso non accessibili) da correggere.
Pipeline di estrazioneInstradare automaticamente i documenti: estrazione diretta se è presente testo, OCR altrimenti.
QA di scansioneIndividua pagine di scarsa qualità (troppo poco testo, immagini dominanti) in un lotto di scansioni.

Ciò che ottieni

Un diagnostico JSON per pagina: presenza di testo, proporzione di contenuto immagine, indici di "scansione" (secondo euristiche).

Indicatori per dare priorità all'OCR (pagine da trattare, pagine già utilizzabili).

Limiti e punti di attenzione

Rilevamento euristico: alcuni PDF grafici (cataloghi, diapositive) possono sembrare scansioni senza esserlo.
Alcuni PDF possono contenere "testo nascosto" (OCR già effettuato): lo strumento lo rileva ma la qualità può variare.
La qualità reale dell'OCR dipenderà dalla risoluzione, dal contrasto e dalla lingua — non valutati finemente qui.

Domande frequenti

Una scansione può contenere testo selezionabile?

Sì, se è stato applicato un OCR: l'immagine rimane, ma viene aggiunta uno strato di testo.

Lo strumento fa l'OCR?

No. Rileva e diagnostica. L'OCR è una fase separata.

Perché una pagina è classificata come “scansione” anche se vedo del testo?

Il testo visibile può essere un'immagine (rappresentazione), non testo vettoriale. La diagnosi si basa sul contenuto interno.

Suggerimento

Prima di investire tempo nell'estrazione, rileva le scansioni: è il modo più semplice per evitare di "cercare" testo che non esiste senza OCR.