Kör OCR på en skannad PDF
PDF-OCR läser en skannad PDF eller en bildbaserad PDF och ger tillbaka antingen en sökbar PDF med dolt textlager eller texten som en Markdown-fil. Originalfilen ändras inte.
Dra filer hit, eller klicka för att välja
Tar emot PDF · upp till 500.0 MB per fil · upp till 20 filer åt gången
Du kan också klistra in en fil med Ctrl/Cmd+V eller via urklippsmenyn.
PDF-OCR läser en skannad PDF eller en PDF som bara består av bilder och ger tillbaka den i en av två former. Sökbar PDF ger dig samma sidor med ett osynligt textlager, så att du kan söka i, markera och kopiera texten. Markdown ger dig texten som en .md-fil för anteckningar, kodarkiv och pipelines. Originalfilen ändras aldrig.
En sökbar PDF skapas med Tesseract. Varje sida renderas i 300 dpi, känns igen på det språk du väljer och skrivs tillbaka som en sidbild med den igenkända texten dold bakom. Sidantalet förblir detsamma. Eftersom varje sida renderas om blir en sida som redan hade riktig text en bild med textlager, och filstorleken kan skilja sig mycket från originalets. Välj ett av 12 språk i formuläret; API:et godtar också upp till fyra, sammanfogade med plustecken, till exempel eng+fra. Högst 50 sidor bearbetas per förfrågan.
Markdown-utdata använder en annan motor, som kombinerar PDF-filens egen text med optisk igenkänning på bildsidor. Tvinga OCR (`ocrType=force-ocr`, portalens standard) känner igen varje sida på nytt, medan Normal använder befintlig text där filen har sådan och känner igen sidor som bara är bilder. Den här motorn har ingen språkinställning, och språklistan gäller inte för den.
I båda lägena följer noggrannheten skanningens kvalitet, kontrast och snedhet. Beskär och räta upp mobilbilder före uppladdning när du kan, eftersom ett trapetsformat foto av en sida lägger igenkänningen på bakgrunden. OCR känner igen tecken; det översätter eller rättar inte texten, och det rengör eller rätar inte upp själva skanningen.
Handskrift, dekorativa typsnitt och fax med låg upplösning är de svåraste indata. Där ett tecken är tvetydigt, som 1 mot l eller 0 mot O, väljer motorn den mest sannolika tolkningen och går vidare, och inget av lägena ger ett konfidensvärde. Stickprovskontrollera namn och siffror som måste vara exakta. I Markdown blir tabeller vertikala streck och en sammanslagen cell kan tappa sin rad, och sidor med flera kolumner läses i den ordning motorn härleder.
Kör inte OCR på dokument som du inte får digitalisera eller sprida. Jobben körs på servern, så ladda ner resultatet snabbt. Vi sparar inget OCR-bibliotek av dina filer. Lösenordsskyddade filer låses upp åt dig på den här sidan när du anger lösenordet; API-anropare kör först Ta bort lösenord.
Funktioner
- Sökbar PDF med dolt textlager, eller Markdown-text
- Sökbar PDF: Tesseract i 300 dpi på 12 språk, upp till 50 sidor
- Markdown: egen text plus igenkänning på bildsidor; läget Tvinga eller Normal
- Original-PDF:en ändras inte
- Anonymt API på /api/v1/misc/ocr-pdf med outputFormat och languages
När du ska använda det här verktyget
- Göra en hög skannade avtal sökbara i ett dokumentarkiv
- Kopiera ett stycke från en fotograferad eller skannad sida
- Mata agenter eller pipelines som vill ha Markdown med skanningar
- Göra fotograferade kvitton sökbara i en anteckningsapp
Hur kör jag OCR på en skannad PDF?
- Ladda upp en skannad eller kamerafotad PDF.
- Välj Sökbar PDF eller Markdown-text. För en sökbar PDF väljer du textens språk.
- Klicka på Bearbeta och ladda ner resultatet.
- Stickprovskontrollera namn och siffror innan du förlitar dig på resultatet, och försök söka i PDF:en efter ett ord som du vet finns där.
Gränser och specialfall
- Noggrannheten varierar med bildkvaliteten; handskrift och stiliserade typsnitt känns igen dåligt
- Sökbar PDF: högst 50 sidor, 300 dpi, en bild per sida
- Markdown har ingen språkinställning, inga konfidensvärden och ingen utdata per sida
- Ingen översättning, ingen uträtning eller rengöring av skanningen
- Mycket stora sidantal tar längre tid
Exempel
- En 20 sidor lång avtalsskanning i gråskala blir en PDF där en sökning på ett klausulnummer hittar sidan
- En skannad sida med en rad engelsk text ger en PDF där raden går att kopiera
- Ett snett mobilfoto kan behöva tas om innan OCR blir användbart
Integritet för det här verktyget
Filer laddas upp över HTTPS, bearbetas i minnet eller i en kortlivad temporär katalog på våra servrar och raderas när resultatet är klart. Vi sparar inga kopior för senare bläddring, träning eller annonsprofiler. Se integritetspolicyn för uppgifter om lagring och information om AdSense-cookies.
Vanliga frågor
- Kan jag få en sökbar PDF?
- Ja. Välj Sökbar PDF i formuläret. Varje sida känns igen och skrivs tillbaka som en bild med ett dolt textlager, så att du kan söka i och kopiera texten.
- Varför ser den sökbara PDF:en ut som en skanning och inte som min originalfil?
- Varje sida renderas till en bild före igenkänningen, även sidor som redan hade riktig text. Textlagret ligger bakom bilden.
- Vilka språk stöds?
- Formuläret erbjuder engelska, tyska, franska, spanska, portugisiska, italienska, ryska, arabiska, förenklad kinesiska, traditionell kinesiska, japanska och koreanska. Via API:et kan upp till fyra koder sammanfogas med plustecken, till exempel eng+fra.
- Hur många sidor kan jag bearbeta?
- Upp till 50 sidor för en sökbar PDF. En längre fil avvisas med ett fel; dela upp den först.
- Använder Markdown-utdata språkinställningen?
- Nej. Markdown-motorn har ingen språkparameter. Språklistan gäller bara sökbara PDF:er.
- Ändrar OCR hur sidorna ser ut?
- Nej. Du får en ny fil; originalet ändras inte. En sökbar PDF visar varje sida som en bild, som en skanning gör.
- Klarar OCR handskrift?
- Dåligt. Båda motorerna siktar på maskinskrivna tecken. Skrivstil, dekorativa typsnitt och fax med låg upplösning blir ofta brus.
- Behöver jag Tvinga OCR på en PDF som är digitalt skapad?
- Oftast inte. För Markdown använder Normal den befintliga texten och hoppar över igenkänningsmotorn. Använd Tvinga om det lagret är trasigt.
Senast uppdaterad:
Anropa från kod
Varje verktyg på webbplatsen är ett vanligt REST-anrop. För anonym användning behövs varken konto eller API-nyckel. Lika mycket för AI-agenter och utvecklare som för webbläsaren.
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.pdfFinns också som MCP-verktyg för klienter som talar Model Context Protocol (JSON-RPC 2.0 via POST /mcp). Fullständig API-referens
Använd den från en AI-agent
SkillMed den här skillen kan Claude Code, Codex, Cursor och andra AI-agenter köra ”PDF-OCR” åt dig: /skills/pdf123-ocr.md
Filerna används bara för den här körningen och raderas automatiskt efteråt.