So funktioniert die PDF-Texterkennung
Eine gescannte PDF besteht eigentlich aus Seitenfotos: Man kann weder suchen noch einen Satz kopieren. OCR (optische Zeichenerkennung) liest die Buchstaben in diesen Fotos und legt jedes Wort an seiner Stelle als unsichtbare Textebene ab.
Das Seitenbild ändert sich nicht; das Dokument sieht gleich aus, aber Strg+F findet jetzt Wörter und Text lässt sich markieren und kopieren. Seiten, die bereits Text enthalten, bleiben unberührt.
Die Erkennung liest Deutsch und Englisch, mit Umlauten und ß. Alles läuft im Browser; beim ersten Mal werden die Erkennungsdateien einmalig geladen.