Gescanntes PDF auf dem Mac durchsuchbar machen, mit lokaler OCR

Ein gescanntes PDF ist ein Stapel von Seitenbildern. Sie können es lesen, Ihr Mac nicht: Spotlight findet darin nichts, die Suche in Vorschau bleibt leer, und kein Satz lässt sich herauskopieren. Damit sich das ändert, muss der Text jeder Seite erkannt werden (OCR, optische Zeichenerkennung) und als unsichtbare Textebene im PDF gespeichert werden. Auf dem Mac geht das, ohne das Dokument irgendwohin hochzuladen: Öffnen Sie das PDF in Folia Files in den PDF-Werkzeugen und klicken Sie auf Durchsuchbar machen (OCR) …. macOS liest den Text auf Ihrem Mac, und Folia Files legt neben dem Original eine neue, durchsuchbare Kopie an.

Hier erfahren Sie, was „durchsuchbar“ genau bedeutet, wie Sie ein PDF prüfen und wie Sie Schritt für Schritt vorgehen.

Was ein PDF durchsuchbar macht

Eine PDF-Seite kann zwei sehr verschiedene Dinge enthalten:

• Text, als Zeichen gespeichert. Das entsteht, wenn Sie ein Dokument aus Word, Pages oder einem Browser exportieren. Sie können ihn markieren, durchsuchen und kopieren.
• Bilder der Seite. Das liefern die meisten Scanner, Scan-Apps und eine als PDF gesicherte Fotoaufnahme. Es sieht gleich aus, für den Computer sind es aber nur Pixel.

Ein durchsuchbarer Scan hat beides: das Bild, das Sie sehen, und die erkannten Wörter, unsichtbar an denselben Stellen platziert. Sie sehen weiterhin den Originalscan, können aber eine Zeile markieren, kopieren und das Dokument über ein Wort darin wiederfinden.

So prüfen Sie, ob ein PDF eine Textebene hat

Öffnen Sie es in Vorschau und probieren Sie eine dieser Methoden:

1. Drücken Sie ⌘ F und suchen Sie nach einem Wort, das auf der Seite gut lesbar ist. Kein Treffer bedeutet: Dahinter steckt kein Text.
2. Ziehen Sie den Zeiger über einen Satz. Lassen sich keine Wörter markieren, sondern nur ein Rechteck aufziehen, ist die Seite ein Bild.

Ein PDF kann auch gemischt sein: einige Seiten getippt, andere später eingescannt und eingefügt. Prüfen Sie mehrere Seiten, nicht nur die erste.

Warum Spotlight und Vorschau bei einem Scan nicht helfen

Spotlight indexiert den Text, der in Dokumenten gespeichert ist. Ein gescanntes PDF enthält keinen, also findet eine Suche nach „Mietvertrag“ oder einer Rechnungsnummer die Datei nur, wenn diese Wörter in ihrem Namen stehen. Das gilt für jedes Suchwerkzeug, das sich auf Spotlight stützt, auch für die Textsuche von Folia Files.

Vorschau öffnet und kommentiert PDFs sehr gut, hat aber keinen Befehl, der den Text einer gescannten Seite erkennt und in der Datei speichert. Live Text lässt Sie in manchen Bildern auf dem Bildschirm Wörter markieren, schreibt aber nichts ins PDF: Die nächste Suche findet weiterhin nichts.

Aktuelle macOS-Versionen lesen zwar den Text in Bilddateien wie einem Scan im JPEG- oder PNG-Format, und Spotlight findet sie danach über ihren Inhalt. Ein PDF aus gescannten Seiten wird so nicht behandelt.

Ein gescanntes PDF mit Folia Files durchsuchbar machen

Folia Files ist ein Dateimanager für den Mac. Seine PDF-Werkzeuge fügen PDFs zusammen, ordnen, drehen, teilen und komprimieren sie und machen den Text von Scans durchsuchbar. Die Erkennung übernimmt macOS (Apples Vision-Framework) auf Ihrem Mac: Das Dokument verlässt ihn nie, und eine Internetverbindung ist nicht nötig.

1. Das PDF in den PDF-Werkzeugen öffnen

Klicken Sie in einem Bereich von Folia Files mit der rechten Maustaste auf das gescannte PDF und wählen Sie PDF-Werkzeuge …. Das Werkzeug öffnet sich in einem Tab, die Datei steht bereits in seiner Liste. Sie können es auch über die Menüleiste (Werkzeuge › PDF-Werkzeuge …) oder über die Schaltfläche Werkzeuge in der Symbolleiste öffnen und dann Dateien mit Hinzufügen … oder Auswahl des Bereichs hinzufügen oder sie auf die Seiten ziehen.

2. Die Seiten prüfen

Rechts unter Seiten sehen Sie jede Seite als Miniatur. Bevor Sie die Erkennung starten:

• Drehen Sie quer liegende Seiten mit Nach links drehen oder Nach rechts drehen gerade (ohne ausgewählte Seite drehen sich alle).
• Entfernen Sie leere oder unnötige Seiten mit der Papierkorb-Schaltfläche (die Datei selbst wird nicht verändert).
• Bringen Sie die Seiten mit den Pfeilen in die richtige Reihenfolge, falls der Scanner sie durcheinander eingezogen hat.

Das Werkzeug arbeitet mit allen angezeigten Seiten, in dieser Reihenfolge. Haben Sie mehrere Dateien angehakt, werden ihre Seiten zu einem Dokument zusammengefasst: Um mehrere PDFs einzeln durchsuchbar zu machen, bearbeiten Sie sie nacheinander (dazwischen Alles löschen).

3. Auf „Durchsuchbar machen (OCR) …“ klicken

Klicken Sie in der Leiste unten auf Durchsuchbar machen (OCR) …. Ist das Fenster nicht breit genug für alle Schaltflächen – wie auf dem Bildschirmfoto unten –, steht der Befehl im Menü Weitere Aktionen neben Als ein PDF sichern ….

Folia Files fragt, wo das Ergebnis gesichert werden soll, und schlägt denselben Ordner vor, mit dem ursprünglichen Namen und dem Zusatz „(durchsuchbar)“. Danach zeigt es Text wird erkannt …, während macOS jede Seite liest. Am Ende wechselt Folia Files zurück zu Ihren Dateien, das neue PDF in seinem Ordner ausgewählt; die Leiste unten im Tab der PDF-Werkzeuge nennt die Zahl der erkannten Zeichen.

Ihr Original-PDF wird nie verändert. Das neue sieht genauso aus, mit dem erkannten Text unsichtbar über jeder gescannten Seite. Seiten, die bereits Text hatten, bleiben, wie sie sind: Erkannt werden nur Seiten ganz ohne Text.

4. Zur Kontrolle nach einem Wort suchen

Spotlight braucht einen Moment, um eine neue Datei zu indexieren. Suchen Sie dann nach einem Wort, das sicher im Scan vorkommt: in Spotlight (⌘ Leertaste), in Vorschau mit ⌘ F oder in Folia Files. Klicken Sie in Folia Files in der Symbolleiste auf Suchen, wählen Sie im Menü der Schaltfläche mit der Aufschrift Im Namen den Eintrag Im Textinhalt und tippen Sie Ihre Wörter. Bei jedem Treffer steht, warum er gefunden wurde.

Die Suche von Folia Files sucht nach allen eingegebenen Wörtern, in beliebiger Reihenfolge, ohne Rücksicht auf Groß- und Kleinschreibung oder Akzente.

Aus Fotos von Papierdokumenten ein durchsuchbares PDF machen

Die PDF-Werkzeuge nehmen auch Bilder an: JPEG-, PNG- oder HEIC-Fotos von Quittungen, Briefen oder Vertragsseiten. Jedes Bild wird zu einer Seite. Fügen Sie alle hinzu, ordnen Sie die Seiten und klicken Sie auf Durchsuchbar machen (OCR) …: Sie erhalten ein einziges PDF, dessen Text sich durchsuchen und kopieren lässt, nur aus dem, was Sie fotografiert haben.

Wollen Sie nur ein sauberes PDF ohne Erkennung, genügt Als ein PDF sichern …, und Komprimieren … macht ein PDF aus Fotos oft deutlich kleiner.

Was Sie von der Erkennung erwarten können

• Sprachen. In der aktuellen Version erkennt Folia Files Text auf Englisch, Französisch, Deutsch, Spanisch und Italienisch.
• Qualität. Saubere, gerade und gut ausgeleuchtete Scans liefern die besten Ergebnisse. Kleine Schrift, Handschrift, Stempel und sehr blasse Kopien werden womöglich falsch oder gar nicht erkannt. OCR ist nie perfekt: Suchen Sie nach ein paar Wörtern, um zu sehen, wie gut es geklappt hat.
• Layout. Die sichtbare Seite ändert sich nicht: Sie sehen weiterhin den Scan. Hinzu kommt nur der unsichtbare Text, Zeile für Zeile, dort, wo macOS ihn gefunden hat.
• Dauer. Die Seiten werden nacheinander gelesen. Ein paar Seiten dauern Sekunden; ein langes gescanntes Buch dauert länger, und Sie können währenddessen in anderen Tabs weiterarbeiten.
• Datenschutz. Nichts wird an einen Server gesendet. Scan, erkannter Text und Ergebnis bleiben auf Ihrem Mac.

Andere Möglichkeiten

Adobe Acrobat Pro kann den Text in einem gescannten PDF erkennen, und viele Scan-Apps erledigen das gleich beim Scannen, wenn die Option eingeschaltet ist. Online-OCR-Dienste funktionieren ebenfalls, setzen aber voraus, dass Sie das Dokument hochladen – bei einem Vertrag, einer Gehaltsabrechnung oder einem Arztbrief selten erwünscht. Folia Files passt gut, wenn die Scans schon auf Ihrem Mac liegen und Sie sie zusammen mit Ihren übrigen Dateien durchsuchen möchten, ohne sie irgendwohin zu schicken.