Hvis du har brug for PDF til Word, bør du træffe den vigtigste beslutning, før du vælger et værktøj: Find først ud af, om PDF-filen allerede indeholder rigtig tekst, eller om den kun er et scannet billede af en side. Det ene tjek afgør ofte, om almindelig konvertering er nok, eller om du i stedet har brug for OCR.
Kort sagt er almindelig konvertering bedst, når PDF-filen indeholder markerbar tekst og en egentlig dokumentstruktur. OCR bruges til scanninger, fotograferede sider og billedbaserede PDF-filer, hvor ordene kan ses med øjet, men ikke er gemt som rigtig tekst. Hvis du vælger den rigtige vej fra starten, sparer du tid og undgår unødigt oprydningsarbejde.
For et generelt overblik over tilgængelighed og sammenhæng kan du se den informative side om PDF til Word.
Start med ét praktisk spørgsmål
Før du konverterer noget, så åbn PDF-filen og prøv dette:
- Prøv at markere nogle ord med musen.
- Prøv at søge efter et særligt ord, som du kan se på siden.
- Zoom tæt ind, og se om bogstaverne forbliver skarpe som tekst, eller om de ligner et fladt billede.
- Kig efter, om alle sider har samme scannede udtryk med skygger, skævhed eller papirkanter.
Hvis du kan markere og søge i teksten, er almindelig PDF til Word-konvertering som regel det første, du bør prøve.
Hvis du ikke kan markere eller søge i teksten, og siderne ligner fotograferede eller scannede ark, er OCR normalt nødvendigt.
Hvornår almindelig PDF til Word-konvertering passer bedst
Almindelig konvertering er typisk det rigtige valg til digitalt oprettede filer som:
- rapporter eksporteret fra kontorprogrammer
- kontrakter oprettet i forretningssystemer
- fakturaer genereret fra økonomisystemer
- brochurer eller manualer gemt direkte som PDF
- formularer, der allerede indeholder maskinlæsbar tekst
I de tilfælde indeholder PDF-filen ofte underliggende tekstobjekter og ikke kun billeder af sider. En konvertering kan derfor forsøge at overføre teksten til et Word-dokument uden først at skulle genkende bogstaver fra et billede.
Denne fremgangsmåde er som regel den mest direkte, når målet er at redigere, kommentere, genbruge eller kopiere indhold. Det er også det bedste første forsøg, når dokumentet oprindeligt er lavet på en computer og ikke scannet fra papir.
Hvornår OCR er det bedre valg
OCR, optisk tegngenkendelse, bruges til dokumenter, hvor siden i praksis er et billede. Det kan for eksempel være:
- et mobilfoto af en trykt aftale
- en scannet arkivfil med mange sider
- et ældre bogkapitel scannet fra papir
- en underskrevet formular gemt som billedbaseret PDF
- en samling kvitteringer lavet ud fra kamerabilleder
I sådanne tilfælde kan almindelig konvertering give et Word-dokument med meget lidt eller slet ingen redigerbar tekst, fordi PDF-filen ikke indeholder rigtig tekstdata. OCR forsøger i stedet at genkende bogstaver og ord direkte fra billedet.
OCR kan også være det rigtige valg til blandede filer, hvor nogle sider er digitalt oprettet, mens andre er scanninger. Her bør du vurdere siderne enkeltvis i stedet for at antage, at én metode passer til hele dokumentet.
Et konkret dokumenteksempel
Forestil dig to udgaver af det samme brev på to sider:
Version A: Brevet er skrevet i Word, eksporteret som PDF og sendt pr. e-mail.
Version B: Det udskrevne brev er underskrevet, scannet på kontorets kopimaskine og gemt igen som PDF.
På skærmen kan de to filer ligne hinanden næsten fuldstændigt. Men arbejdsgangen er forskellig:
- Med Version A er almindelig PDF til Word-konvertering det oplagte første valg, fordi teksten sandsynligvis allerede findes i filen som rigtig tekst.
- Med Version B er OCR normalt nødvendigt, fordi filen måske kun indeholder sidebilleder fra scanningen.
Det viser, hvorfor udseendet alene kan være misvisende. En pæn PDF er ikke nødvendigvis en tekstbaseret PDF.
Sådan vælger du den rigtige fremgangsmåde trin for trin
Brug denne enkle beslutningsproces:
- Kontrollér om tekst kan markeres. Hvis du kan fremhæve ord normalt, så begynd med almindelig konvertering.
- Søg i PDF-filen. Hvis synlige ord kan findes med søgefunktionen, indeholder filen sandsynligvis tekstdata.
- Se på filens oprindelse. Hvis den kommer fra en scanner, et kamera eller en kopimaskine, kan OCR være nødvendigt.
- Kig efter billedtegn. Skæve sider, mørke kanter, skygger og papirstruktur tyder ofte på scanning.
- Tjek om indholdet er blandet. Nogle PDF-filer kombinerer sider med rigtig tekst og scannede bilag.
- Afklar dit redigeringsbehov. Hvis du kun skal bruge et kort citat, kan kopiering fra en tekstbaseret PDF være nok. Hvis du skal redigere hele scanninger, er OCR mere passende.
- Gennemgå resultatet manuelt. Uanset metode bør du altid kontrollere navne, datoer, beløb, overskrifter og sideskift.
Kort tjekliste: almindelig konvertering eller OCR?
| Tjekpunkt | Almindelig konvertering | OCR |
|---|---|---|
| Tekst kan markeres | Som regel ja | Som regel nej før genkendelse |
| Tekst kan søges i PDF-filen | Som regel ja | Ofte nej |
| Filen kommer direkte fra eksport fra program | Almindeligt | Mindre almindeligt |
| Filen kommer fra scanner eller kamera | Mindre sandsynligt | Almindeligt |
| Siden ligner et fladt foto | Mindre sandsynligt | Almindeligt |
| Målet er at redigere digitalt skrevet tekst | Godt første valg | Kun hvis nødvendigt |
| Målet er at hente tekst ud af scanninger | Ikke ideelt | Bedre valg |
Begrænsninger, du bør regne med
Valget mellem almindelig konvertering og OCR er vigtigt, men ingen af delene er perfekte.
Ved almindelig PDF til Word-konvertering er udfordringen ikke altid selve teksten. Problemet kan også være, hvordan PDF-filen internt lagrer tekstblokke, læserækkefølge, sideelementer, sidehoveder og sidefødder. En fil kan godt indeholde markerbar tekst og stadig kræve efterkontrol efter konvertering.
Ved OCR afhænger resultatet i høj grad af kildens kvalitet. Genkendelsen bliver sværere, når siderne er:
- slørede
- skæve
- med lav kontrast
- præget af stempler eller håndskrift
- fyldt med tabeller eller usædvanlige skrifttyper
- beskadigede, falmede eller kopieret mange gange
Blandede sprog kan også gøre OCR-gennemgang mere krævende, især i navne, koder og fagudtryk. Hvis materialet er juridisk, økonomisk, akademisk eller på anden måde følsomt, er manuel kontrol stadig vigtig.
Det er også vigtigt ikke at forveksle autoriseret adgang med omgåelse af ukendte adgangskoder. Hvis en PDF er beskyttet, må enhver oplåsning eller adgang kun ske for dokumenter, som du har ret til at åbne.
En enkel regel, du kan bruge hver gang
Her er den mest praktiske huskeregel:
- Brug almindelig PDF til Word-konvertering først, når PDF-filen indeholder markerbar og søgbar tekst.
- Brug OCR, når PDF-filen er en scanning, et foto eller en billedbaseret fil.
- Kontrollér resultatet manuelt, når dokumentet er vigtigt.
Den regel holder fokus på dokumenttypen i stedet for på markedsføringsudtryk. Mange søger efter PDF til Word, som om det altid er den samme opgave, men i praksis handler det om to forskellige ting: enten at konvertere eksisterende tekstdata eller at genkende tekst fra billeder. Når du skelner mellem de to, bliver næste skridt meget lettere.