Una scansione è un’immagine dentro un contenitore

Quando un foglio passa in uno scanner o davanti alla fotocamera di un telefono, il risultato è una grande immagine per pagina, avvolta in un PDF perché stampa e impaginazione siano corrette. Non ci sono dati di carattere: la lettera A è un motivo di pixel scuri, esattamente come la B.

Un PDF può contenere entrambe le cose: un’immagine e un livello di testo invisibile sopra, che è ciò che produce l’OCR. Quasi tutte le scansioni hanno solo l’immagine. Per questo una scansione di 20 pagine può pesare 30 MB e un documento dattiloscritto di 20 pagine 300 KB.

Cosa può e non può la conversione

Convertire un PDF in Word o in testo estrae il livello di testo. Senza livello di testo non c’è nulla da estrarre, e i risultati onesti sono due: un documento con le immagini delle pagine, oppure un errore.

Un convertitore che «funziona» su una scansione e restituisce un Word pieno di immagini non ha letto la pagina: l’ha copiata. Può essere utile se l’obiettivo è un impaginato modificabile, ma non dà testo ricercabile e non è ciò che la maggior parte delle persone intende con «convertire».

Questo sito non fa OCR. Una scansione resta una scansione: la conversione copia ciò che c’è e lo dice, invece di inventare parole. Se ti serve testo ricercabile, usa uno strumento OCR — e controlla se gira in locale prima di caricare un documento importante.

Come capire cosa hai in mano

Tre controlli lo chiariscono in meno di un minuto:

  • Seleziona un paragrafo. Se si evidenzia, c’è un livello di testo e la conversione funzionerà.
  • Cerca una parola che vedi sulla pagina. Nessun risultato significa nessun livello di testo.
  • Guarda la dimensione per pagina. Centinaia di kilobyte o più per pagina è una scansione; decine di kilobyte è testo.

Se ti serve davvero l’OCR

L’OCR riconosce caratteri dai pixel e riscrive un livello di testo nel PDF. È un altro lavoro, più lento, e la precisione dipende dalla scansione: 300 dpi, dritta, contrastata, senza scrittura a mano. Metti in conto di correggere nomi, numeri e tutto ciò che è composto in un carattere chiaro.

Se la scansione serve solo per leggere, spesso basta convertirla in immagine: è più veloce e senza perdita rispetto all’OCR.