Naar de hoofdinhoud
PPDF123

Een gescande PDF met OCR doorzoekbaar maken

PDF-OCR leest een gescande of op afbeeldingen gebaseerde PDF en levert een doorzoekbare PDF met een verborgen tekstlaag of de tekst als Markdown-bestand. Het originele bestand blijft ongewijzigd.

Sleep bestanden hierheen, of klik om te kiezen

Accepteert PDF · tot 500.0 MB per bestand · maximaal 20 bestanden tegelijk

Je kunt een bestand ook plakken met Ctrl/Cmd+V of via het klembordmenu.

PDF-OCR leest een gescande of op afbeeldingen gebaseerde PDF en levert hem in een van twee vormen. Een doorzoekbare PDF geeft je dezelfde pagina's met een onzichtbare tekstlaag, zodat je de tekst kunt doorzoeken, selecteren en kopiëren. Markdown geeft de tekst als .md-bestand voor notities, repositories en pipelines. Het originele bestand wordt nooit gewijzigd.

Een doorzoekbare PDF wordt gemaakt met Tesseract. Elke pagina wordt op 300 dpi weergegeven, herkend in de taal die je kiest en teruggeschreven als paginabeeld met de herkende tekst eronder verborgen. Het aantal pagina's blijft gelijk. Omdat elke pagina opnieuw wordt weergegeven, wordt een pagina die al echte tekst had een afbeelding met een tekstlaag, en kan de bestandsgrootte sterk afwijken van het origineel. Kies in het formulier een van de 12 talen; de API accepteert ook maximaal vier talen met een plusteken aaneengeschakeld, zoals eng+fra. Per verzoek worden hooguit 50 pagina's verwerkt.

Markdown-uitvoer gebruikt een andere engine, die de eigen PDF-tekst combineert met optische herkenning op afbeeldingspagina's. OCR forceren (`ocrType=force-ocr`, de standaard van de portal) herkent elke pagina opnieuw, terwijl Normaal bestaande tekst gebruikt waar het bestand die heeft en alleen pagina's met enkel een afbeelding herkent. Deze engine heeft geen taalinstelling, en de talenlijst is er niet op van toepassing.

In beide modi hangt de nauwkeurigheid af van scankwaliteit, contrast en scheefstand. Snijd foto's van je telefoon bij en richt ze recht voordat je uploadt, want een trapeziumvormige foto van een pagina verspilt herkenning aan de achtergrond. OCR herkent tekens; het vertaalt of corrigeert de tekst niet, en maakt de scan zelf niet schoon en richt hem niet recht.

Handschrift, sierlijke lettertypen en faxen met lage resolutie zijn de moeilijkste invoer. Waar een teken dubbelzinnig is, zoals een 1 tegenover een l of een 0 tegenover een O, kiest de engine de meest waarschijnlijke lezing en gaat verder, en geen van beide modi geeft een betrouwbaarheidsscore. Controleer namen en getallen die exact moeten kloppen steekproefsgewijs. In Markdown worden tabellen streepjes en kan een samengevoegde cel zijn rij kwijtraken, en pagina's met meerdere kolommen worden gelezen in de volgorde die de engine afleidt.

Voer geen OCR uit op documenten die je niet mag digitaliseren of verspreiden. Taken draaien op de server, dus download het resultaat snel. We bewaren geen OCR-bibliotheek van je bestanden. Met een wachtwoord beveiligde bestanden worden op deze pagina voor je ontgrendeld zodra je het wachtwoord invoert; API-aanroepers voeren eerst Ontgrendelen uit.

Functies

  • Doorzoekbare PDF met een verborgen tekstlaag, of Markdown-tekst
  • Doorzoekbare PDF: Tesseract op 300 dpi in 12 talen, tot 50 pagina's
  • Markdown: eigen tekst plus herkenning op afbeeldingspagina's; modus Forceren of Normaal
  • De originele PDF blijft ongewijzigd
  • Anonieme API op /api/v1/misc/ocr-pdf met outputFormat en languages

Wanneer je dit gebruikt

  • Een stapel gescande contracten doorzoekbaar maken in een documentarchief
  • Een alinea kopiëren van een gefotografeerde of gescande pagina
  • Scans voeden aan agents of pipelines die Markdown willen
  • Gefotografeerde bonnetjes doorzoekbaar maken in een notitie-app

Hoe voer ik OCR uit op een gescande PDF?

  1. Upload een gescande of met de camera gemaakte PDF.
  2. Kies Doorzoekbare PDF of Markdown-tekst. Kies bij een doorzoekbare PDF de taal van de tekst.
  3. Klik op Verwerken en download het resultaat.
  4. Controleer namen en getallen steekproefsgewijs voordat je erop vertrouwt, en zoek in de PDF naar een woord waarvan je weet dat het erin staat.

Beperkingen en randgevallen

  • Nauwkeurigheid hangt af van beeldkwaliteit; handschrift en gestileerde lettertypen worden slecht herkend
  • Doorzoekbare PDF: hooguit 50 pagina's, 300 dpi, één afbeelding per pagina
  • Markdown heeft geen taalinstelling, betrouwbaarheidsscores of uitvoer per pagina
  • Geen vertaling, rechtzetten of schoonmaken van de scan
  • Zeer veel pagina's duren langer

Voorbeelden

  • Een gescand contract van 20 pagina's in grijstinten wordt een PDF waarin zoeken op een clausulenummer de pagina vindt
  • Een gescande pagina met een regel Engelse tekst levert een PDF waaruit die regel te kopiëren is
  • Een scheve telefoonfoto moet mogelijk opnieuw worden gemaakt voordat OCR nuttig is

Privacy bij deze tool

Bestanden worden via HTTPS geüpload, verwerkt in het geheugen of in een kortlevende tijdelijke map op onze servers, en verwijderd zodra je resultaat klaar is. We bewaren geen kopieën om later te bekijken, voor training of voor advertentieprofielen. Zie het privacybeleid voor bewaartermijnen en AdSense-cookiemeldingen.

Veelgestelde vragen

Kan ik een doorzoekbare PDF krijgen?
Ja. Kies Doorzoekbare PDF in het formulier. Elke pagina wordt herkend en teruggeschreven als afbeelding met een verborgen tekstlaag, zodat je de tekst kunt doorzoeken en kopiëren.
Waarom ziet de doorzoekbare PDF eruit als een scan en niet als mijn originele bestand?
Elke pagina wordt vóór de herkenning naar een afbeelding weergegeven, ook pagina's die al echte tekst hadden. De tekstlaag zit achter de afbeelding.
Welke talen worden ondersteund?
Het formulier biedt Engels, Duits, Frans, Spaans, Portugees, Italiaans, Russisch, Arabisch, Vereenvoudigd Chinees, Traditioneel Chinees, Japans en Koreaans. Via de API kunnen maximaal vier codes met een plusteken worden samengevoegd, zoals eng+fra.
Hoeveel pagina's kan ik verwerken?
Maximaal 50 pagina's voor een doorzoekbare PDF. Een langer bestand wordt met een foutmelding geweigerd; splits het eerst.
Gebruikt de Markdown-uitvoer de taalinstelling?
Nee. De Markdown-engine heeft geen taalparameter. De talenlijst is alleen voor doorzoekbare PDF's.
Verandert OCR hoe pagina's eruitzien?
Nee. Je krijgt een nieuw bestand; het origineel blijft ongewijzigd. Een doorzoekbare PDF toont elke pagina als afbeelding, net als een scan.
Kan OCR handschrift aan?
Slecht. Beide engines richten zich op gedrukte tekens. Schrijfletters, sierlettertypen en faxen met lage dpi komen vaak als ruis terug.
Heb ik OCR forceren nodig bij een digitaal gemaakte PDF?
Meestal niet. Bij Markdown gebruikt Normaal de bestaande tekst en slaat het de herkenningsengine over. Gebruik Forceren als die laag kapot is.

Laatst bijgewerkt:

Aanroepen vanuit code

Elke tool op deze site is een gewoon REST-eindpunt. Voor anoniem gebruik heb je geen account of API-sleutel nodig. Net zo goed voor AI-agenten en ontwikkelaars als voor de browser.

curl -X POST "https://pdf123.xyz/api/v1/misc/ocr-pdf" \
  -F "[email protected]" \
  -F "outputFormat=markdown" \
  -F "ocrType=force-ocr" \
  -F "languages=eng" \
  -o output.pdf

Ook beschikbaar als MCP-tool voor clients die Model Context Protocol spreken (JSON-RPC 2.0 via POST /mcp). Volledige API-documentatie

Gebruik het vanuit een AI-agent

Skill

Met deze skill kunnen Claude Code, Codex, Cursor en andere AI-agents ‘PDF-OCR’ voor je uitvoeren: /skills/pdf123-ocr.md

Alle agent-skills

Bestanden dienen alleen voor deze verwerking en worden daarna automatisch verwijderd.