Che cos’è un PDF ricercabile
Un documento scansionato è una fotografia: il testo che vedi non esiste come testo, sono pixel. Non lo trovi con la ricerca, non lo selezioni, non lo copi. Il riconoscimento ottico dei caratteri — OCR — legge quei pixel e ricostruisce le parole, che vengono poi appoggiate sopra l’immagine come uno strato di testo invisibile, parola per parola, nella posizione giusta. Il documento sembra identico a prima, ma adesso si può cercare dentro.
Il motore è Tesseract, riconoscitore libero, compilato per girare nel browser. Insieme al motore serve un modello linguistico, che è quello che gli dice come si scrive in una certa lingua. Qui ce ne sono due: italiano e inglese, usabili anche insieme.
Sono entrambi file serviti da questo sito, non da una rete esterna. È la differenza che conta: negli altri servizi OCR gratuiti la scansione — che tipicamente è un documento d’identità, una fattura, una cartella clinica — viene caricata su un server. Qui il riconoscimento avviene sul tuo computer, e non parte nessuna richiesta.
Come si rende ricercabile una pagina
Apri il documento scansionato
Premi «Apri» e scegli il PDF. Puoi anche crearlo sul momento con «Scansiona con la fotocamera» o «Crea un PDF da immagini».
Vai sulla pagina da riconoscere
L’OCR lavora sulla pagina che stai guardando: portati su quella giusta.
Scegli «PDF ricercabile (OCR)»
La voce sta nel menu «Converti». Puoi arrivarci anche con Ctrl+K, cercando «ocr».
Scegli la lingua
Italiano, inglese, o le due insieme. La prima volta il motore di riconoscimento e il modello linguistico vengono scaricati: circa dieci megabyte, poi restano nella cache.
Aspetta il riconoscimento
Il lavoro avviene in un thread separato, così l’interfaccia resta viva. Su una pagina fitta ci vogliono alcuni secondi.
Ricevi il PDF ricercabile
Il file viene scaricato: si vede identico a prima, ma il testo si può cercare, selezionare e copiare.
Due limiti da conoscere prima
Lavora sulla pagina corrente, una alla volta: su un documento lungo va ripetuto. E ricostruisce la pagina come immagine a 200 punti per pollice, appoggiandoci sopra il testo riconosciuto. Su una scansione è precisamente il comportamento voluto; su una pagina che aveva già testo vero e grafica vettoriale, quel contenuto verrebbe sostituito da una fotografia. Usa l’OCR sulle scansioni.
Che cosa l’OCR non fa
Vale la pena essere chiari, perché su questo punto circolano molte promesse generiche.
- Non rende il testo modificabile. Lo strato di testo serve alla ricerca, alla selezione e alla copia. L’immagine resta l’immagine. Per correggere davvero delle parole serve un PDF che il testo ce l’ha già: vedi modificare il testo di un PDF.
- Non crea campi compilabili. Riconoscere un modulo non lo trasforma in modulo. I campi si creano a mano, ed è spiegato nella pagina sui moduli PDF.
- Non ricostruisce l’impaginazione. Riconosce parole e le posiziona: non deduce colonne, tabelle o titoli.
- Non converte in Word. La conversione in .docx non passa dall’OCR: su una scansione produce un documento con le sole immagini.
- Non indovina le parole illeggibili. Quelle che non riconosce non entrano nello strato di testo e non si troveranno con la ricerca.
Dalla carta al PDF: la fotocamera
Se il documento è ancora su carta, «Scansiona con la fotocamera» apre la fotocamera del dispositivo — preferendo quella posteriore, se c’è — e ogni scatto diventa una pagina. Puoi riordinare gli scatti, eliminarne uno, e alla fine ottieni un PDF con le pagine in formato A4, ciascuna con la foto centrata e ridimensionata per starci dentro.
Cosa fa
- Usa la fotocamera del dispositivo, anche quella di un portatile
- Più pagine in coda, riordinabili, fino a sessanta scatti
- Ridimensiona a un massimo di 2400 pixel sul lato lungo, in JPEG
- Spegne la fotocamera ogni volta che esci
Cosa non fa
- Nessun riconoscimento dei bordi e nessuna correzione della prospettiva: viene salvato il fotogramma intero, storto come l’hai scattato
- Niente ritaglio automatico, niente aumento del contrasto
- Niente scatto automatico né controllo del flash
- Richiede una connessione sicura: i browser non danno accesso alla fotocamera altrimenti
Per un risultato leggibile dall’OCR conviene quindi fare quello che farebbe uno scanner: foglio piatto, luce diffusa, fotocamera parallela al foglio. In alternativa, «Crea un PDF da immagini» accetta file già acquisiti — PNG, JPEG, WebP, GIF, BMP — una pagina per immagine.
Cercare, e farsi leggere il documento
Una volta che il testo c’è — perché il PDF lo aveva già, o perché glielo hai aggiunto con l’OCR — funzionano due cose in più.
La ricerca nel documento, con Ctrl + F e F3 per il risultato successivo. E «Leggi ad alta voce», che usa la sintesi vocale del sistema per leggere la pagina corrente, con la velocità regolabile da 0,75× a 2×. La voce è quella installata sul dispositivo, e la lingua di lettura è l’italiano: su un testo in un’altra lingua la pronuncia sarà quella che sarà. Su una pagina senza testo non legge nulla, e lo dice.
Domande frequenti
Le mie scansioni vengono inviate a un servizio di riconoscimento?
No. Il motore di riconoscimento — Tesseract — e i modelli linguistici sono file serviti da questo sito e girano dentro il browser. Nessuna immagine e nessun testo escono dal dispositivo. È la differenza sostanziale rispetto ai servizi OCR gratuiti, che per definizione ricevono il documento.
Quali lingue riconosce?
Italiano e inglese, singolarmente o insieme. Non ci sono altri modelli linguistici a bordo.
Dopo l’OCR posso modificare il testo?
No. L’OCR aggiunge un livello di testo invisibile sopra l’immagine, che serve alla ricerca, alla selezione e alla copia. L’immagine resta l’immagine: il testo non diventa modificabile. Per modificare davvero il testo serve un PDF che il testo ce l’ha già.
Che cosa succede alle pagine che non erano scansionate?
Attenzione a questo punto: la funzione ricostruisce la pagina come immagine a 200 punti per pollice e ci appoggia sopra il testo riconosciuto. Su una scansione è esattamente ciò che serve; su una pagina che aveva già testo vero e grafica vettoriale, quel contenuto viene sostituito da un’immagine. Usalo sulle scansioni, non su documenti già ricercabili.
Lavora su tutte le pagine insieme?
No, solo sulla pagina corrente. Per un documento di più pagine va ripetuto pagina per pagina.
Funziona senza connessione?
Sì, dopo il primo uso. Il motore e il modello linguistico non sono precaricati con il resto dell’applicazione — sono troppo pesanti — quindi arrivano al primo riconoscimento; da lì in poi restano nella cache del browser.
Quanto è accurato?
Dipende soprattutto dalla scansione: un originale dritto, a fuoco e con buon contrasto dà risultati molto migliori di una foto storta scattata di sbieco. Le parole non riconosciute semplicemente non entrano nel livello di testo, e non le troverai con la ricerca.
Continua da qui
Le altre cose che l'editor sa fare, spiegate una per una.
Se preferisci una panoramica di tutto, parti dalla pagina iniziale oppure dalla guida all'uso.
Rendi cercabile la tua scansione
Apri il PDF, scegli la lingua, aspetta qualche secondo. Tutto sul tuo dispositivo.
Apri l'editor