PDF in Testo (OCR)
Estrarre testo modificabile da un PDF scansionato
L'OCR riconosce le parole nelle pagine del PDF e le restituisce come testo da copiare o modificare. Scegli le pagine, la lingua del documento e il formato del risultato; poi confronta il testo riconosciuto con l'originale, soprattutto per nomi, cifre e date.
Costo: Sono disponibili opzioni gratuite. Le opzioni Pro o l’utilizzo oltre la quota gratuita possono richiedere crediti; consulta la guida qui sotto.
Dal PDF scansionato al testo
Carica un documento
Premi Scegli PDF o Carica PDF, oppure trascina un PDF fino a 200 MB nell'anteprima. In Caricamenti trovi anche i PDF già usati negli altri strumenti. Ogni operazione legge un documento.
Individua le pagine
Sfoglia l'anteprima e usa le posizioni indicate dal contatore, ad esempio 4 / 12. Inseriscile in Pages (optional) come 1-3,7, oppure lascia vuoto per elaborare tutte le pagine.
Scegli la lingua
Lingua del Documento parte da Auto-detect. Puoi mantenere il rilevamento automatico anche per un documento multilingue, oppure scegliere un'indicazione specifica come Italian per l'italiano.
Imposta il formato
Formato di output parte da Plain Text (.txt). Scegli Markdown (.md) quando vuoi rappresentare titoli, elenchi e tabelle con una struttura da usare in un editor compatibile.
Controlla le unità e avvia
Sotto Impostazioni leggi il conteggio, ad esempio Pagine selezionate 12/12 · unità 2. Premi Extract text e attendi il risultato. L'operazione può durare fino a 30 minuti.
Rileggi e salva
Controlla il pannello Extracted text. Copia trasferisce il testo negli appunti; Download text salva pdf-ocr.txt o pdf-ocr.md in UTF-8. DOCX scarica un documento Word modificabile. I risultati vengono salvati nel gestore file condiviso; il selettore PDF di Caricamenti continua a mostrare i PDF.
Lingua, formato e selezione delle pagine
Le tre impostazioni cambiano il riconoscimento e il testo restituito. Il PDF originale non viene modificato.
- Lingua del Documento: Auto-detect
- Opzione iniziale. Le pagine vengono riconosciute da GLM-OCR di Z.ai, che rileva lingua e scrittura senza ricevere un'indicazione manuale. Puoi usarla per documenti con passaggi in più lingue.
- Lingua del Documento: una lingua specifica
- Il menu offre English, German, Spanish, French, Italian, Portuguese, Russian, Japanese, Chinese, Arabic e Hindi. Con una di queste scelte il riconoscimento passa a Google Gemini: lingua, scrittura e direzione di lettura aiutano a interpretare caratteri ambigui e separazione delle parole. La scelta non traduce il documento; i passaggi nelle altre lingue rimangono nella loro lingua.
- Formato di output: Plain Text (.txt)
- Testo semplice con righe e paragrafi, senza marcatori Markdown. Gli elenchi usano righe con un trattino; le tabelle riconosciute diventano righe con celle separate da tabulazioni, utili per incollarle in un foglio di calcolo. Sceglilo per email, moduli o un normale editor di testo.
- Formato di output: Markdown (.md)
- Rappresenta la struttura con marcatori per titoli, elenchi, enfasi e tabelle. È utile per appunti, wiki e relazioni da importare in un editor Markdown. Un editor di testo semplice mostra anche la sintassi, ad esempio # per i titoli.
- Pages (optional)
- Vuoto significa tutte le pagine. Separa numeri e intervalli completi con virgole, ad esempio 5-10 oppure 1-3,7. Conta la posizione nel file, non la numerazione stampata. Vengono riconosciute e conteggiate soltanto le pagine selezionate, in ordine di documento; una pagina ripetuta conta una volta. Usa entrambi gli estremi, come 5-40. Una selezione oltre l'ultima pagina viene segnalata prima dell'elaborazione.
Come si calcolano le unità OCR
Un'unità copre fino a 10 pagine selezionate, con arrotondamento per eccesso a ogni operazione. Una lettera di una pagina e un modulo di 10 pagine consumano entrambi un'unità; 11 pagine ne richiedono due e 37 pagine quattro. La selezione 1-3,7 comprende quattro pagine e richiede un'unità.
L'arrotondamento si applica a ciascuna richiesta. Un documento di 60 pagine richiede sei unità anche se diviso in tre richieste da 20 pagine; due richieste separate da cinque pagine richiedono invece due unità, contro una sola richiesta da 10. Se dividi un documento lungo, intervalli multipli di 10 evitano arrotondamenti aggiuntivi e rendono più gestibile la rilettura.
Il consumo viene conteggiato per account, oppure per indirizzo IP per gli ospiti, nelle finestre mobili di un'ora e 24 ore. Le unità gratuite disponibili corrispondono al minore dei due residui. Con un account puoi coprire ogni unità aggiuntiva con un credito. Se disponibilità e crediti non bastano, seleziona meno pagine oppure attendi che i consumi precedenti escano dalle finestre.
Preparare le scansioni e controllare il testo
La leggibilità delle immagini nelle pagine influisce sul riconoscimento. Controlla il risultato prima di riutilizzarlo.
Mantieni leggibili i caratteri piccoli
Per scansionare testo stampato, 300 dpi è un punto di partenza pratico; verifica che le lettere piccole siano nitide. È un consiglio sulla scansione, non un requisito del caricamento né una garanzia di precisione. Fax e scansioni poco definiti possono confondere i dettagli.
Orienta correttamente le pagine
Prepara pagine dritte e con righe orizzontali. Se una scansione è di lato o capovolta, usa Ruota PDF prima dell'estrazione.
Ti serve una sintesi del documento?
Quando vuoi i punti principali di una relazione lunga, Riassunto PDF condensa il contenuto; l'OCR serve invece a recuperarne il testo.
Formati, servizi e conservazione
- Ingresso
- PDF scansionato o digitale
- Risultati
- Testo semplice TXT o Markdown MD in UTF-8, documento Word DOCX e copia negli appunti
- Dimensione massima
- 200 MB per PDF (200 MiB, 209.715.200 byte)
- File per operazione
- Un PDF, tutte le pagine o una selezione
- Consumo
- Un'unità OCR ogni 10 pagine selezionate, arrotondata per eccesso per operazione
- Elaborazione
- Sui nostri server con riconoscimento tramite GLM-OCR di Z.ai o Google Gemini. Durata massima dell'operazione: 30 minuti.
- Filigrana
- Nessuna aggiunta
- Conservazione
- Sul nostro sito, caricamenti e risultati vengono eliminati automaticamente dopo 48 ore per gli ospiti e 30 giorni per gli account gratuiti. I piani a pagamento possono conservarli più a lungo.
Domande frequenti
L'OCR aggiunge un testo ricercabile al PDF?
No. Restituisce il testo separatamente in TXT, Markdown o Word e non modifica il PDF. Conserva l'originale quando devi mantenere l'impaginazione delle pagine.
Posso estrarre gratuitamente il testo dal PDF?
Sì, entro la disponibilità gratuita di unità OCR e senza filigrana. Il conteggio, un'unità per ogni blocco di 10 pagine selezionate, appare prima di premere Extract text. Oltre la disponibilità puoi scegliere meno pagine, attendere nuove unità o accedere e usare un credito per ogni unità aggiuntiva.
Perché alcune parole o cifre sono sbagliate?
Sfocatura, inclinazione e poco contrasto rendono più difficili le distinzioni tra 0 e O, 1 e l oppure rn e m. Confronta nomi, importi, date e riferimenti con l'anteprima. Passare da Auto-detect a una lingua specifica, o viceversa, cambia il motore tra GLM-OCR e Gemini; cambiare tra due lingue specifiche mantiene Gemini. Ogni nuova richiesta consuma nuovamente unità.
Il PDF viene inviato a un servizio esterno?
Sì. I nostri server inviano il documento a GLM-OCR di Z.ai con Auto-detect, oppure a Google Gemini con una lingua specifica. Se Gemini incontra un limite di richieste, la stessa richiesta di riconoscimento passa attraverso OpenRouter. La conservazione indicata sopra riguarda il nostro sito, non le politiche dei fornitori esterni.
La lingua scelta traduce le risposte?
No. Lingua del Documento fornisce un'indicazione per il riconoscimento dei caratteri. Il testo viene restituito nella lingua in cui è scritto, compresi i passaggi in altre lingue nella stessa pagina.
Perché l'estrazione non è riuscita?
Prima del riconoscimento deve essere leggibile il numero delle pagine. Per un PDF che richiede una password all'apertura, usa prima Sblocca PDF. Se nelle pagine selezionate non viene trovato testo leggibile, ad esempio perché sono vuote, il risultato segnala che non è stato estratto testo.