Tools Central

Detecteer of een PDF is gescand

Analyseer een PDF om te schatten of deze afkomstig is van een scan (afbeeldingen op de pagina's, afwezigheid van lettertypen, CCITT/JBIG2-indicatoren) en exporteer de diagnose in JSON, lokaal in uw browser.

Een PDF importeren

Er worden geen gegevens naar een server verzonden: alles gebeurt in uw browser.

← Terug naar PDF-tools

Gerelateerde tools

Versleuteling & rechten PDFDetecteer of de PDF versleuteld is, welke rechten zijn ingeschakeld, en exporteer de diagnose.
Lijnvormige PDF (Fast Web View)Detecteer of de PDF is gelinialiseerd en exporteer de status + indicatoren.
Controleer de integratie van lettertypenLijst de niet-geïntegreerde (of gedeeltelijke) lettertypen en exporteer het rapport.
PDF-velden → JSONExporteer de lijst van velden van een PDF-formulier (AcroForm) naar JSON-formaat.
PDF-metadata → JSONTitel, auteur, data, aantal pagina's en documentinformatie geëxporteerd naar JSON.
PDF-samenvatting → JSONExtraheer de inhoudsopgave (bladwijzers) van de PDF en exporteer deze naar JSON-formaat.

Over: PDF Scan Detector

Detecteer of een PDF een scan (alleen afbeelding) is of exploiteerbare tekst bevat, en exporteer een JSON-diagnose per pagina om OCR, toegankelijkheid en extractie te sturen.

Gebruikscases

  • Beslissen over een OCRSnel weten of OCR nodig is voordat indexering/volledige tekstzoekopdracht.
  • ToegankelijkheidscontroleIdentificeer niet-selecteerbare “afbeelding” PDF's (vaak niet toegankelijk) die gecorrigeerd moeten worden.
  • ExtractiepipelineDocumenten automatisch routeren: directe extractie als tekst aanwezig is, anders OCR.
  • Scan QAPagina's van slechte kwaliteit (te weinig tekst, dominante afbeeldingen) in een batch scans opsporen.

Wat u krijgt

Een JSON-diagnose per pagina: aanwezigheid van tekst, verhouding van afbeeldingsinhoud, aanwijzingen voor “scan” (volgens heuristieken).

Indicatoren om OCR te prioriteren (pagina's te verwerken, pagina's die al exploiteerbaar zijn).

Beperkingen en aandachtspunten

  • Heuristische detectie: sommige grafische PDF's (catalogi, dia's) kunnen op scans lijken zonder dat ze dat zijn.
  • PDF's kunnen “verborgen tekst” bevatten (OCR al gedaan): de tool detecteert het, maar de kwaliteit kan variëren.
  • De werkelijke kwaliteit van de OCR hangt af van de resolutie, het contrast en de taal — niet hier nauwkeurig beoordeeld.

Veelgestelde vragen

Kan een scan selecteerbare tekst bevatten?
Ja, als er een OCR is toegepast: de afbeelding blijft, maar er wordt een tekstlaag toegevoegd.
Doet de tool de OCR?
Nee. Het detecteert en diagnosticeert. OCR is een aparte stap.
Waarom wordt een pagina als “scan” geclassificeerd terwijl ik tekst zie?
De zichtbare tekst kan een afbeelding zijn (gerenderd), geen vectortekst. De diagnose is gebaseerd op de interne inhoud.

Tip

Voordat je tijd in extractie investeert, detecteer scans: dit is de eenvoudigste manier om te voorkomen dat je “jaagt” op tekst die niet bestaat zonder OCR.