Rimuovi testo PDF

Prendiamo due file PDF: uno creato con un elaboratore di testi, come MS Word, ad esempio, e un documento scansionato. Entrambi i file terminano con l'estensione .pdf. Tuttavia, questi file non sono gli stessi. Se apri il file PDF creato con il tuo elaboratore di testi, puoi premere CTRL + F, inserire le parole che stai cercando e il software di visualizzazione PDF evidenzierà i risultati del documento.
Ma prova a selezionare o cercare testo in un PDF prodotto dal tuo software scanner quando hai scannerizzato documenti cartacei, non è possibile. È perché il documento PDF scansionato non è basato su testo; è basato sull'immagine. Questo tipo di PDF è chiamato a Raster PDF e presto diventerà un formato standard per l'archiviazione, il trasporto e lo scambio di documenti scansionati
E poi, ci sono PDF vettoriali, spesso creati da CAD formati o programmi di progettazione grafica come Adobe Illustrator.

Il testo è un elemento indipendente nei PDF nativi. È possibile visualizzare caratteri di testo nel PDF, ma questi caratteri non sono necessariamente elementi di testo PDF. Come puoi dire la differenza?
Come abbiamo appena visto, il testo può essere un'immagine raster del testo o un'immagine vettoriale del testo. In tutti i casi, sembra un testo, ma il computer non lo riconosce come tale e non può selezionarlo o cercarlo.
Il testo creato da un elaboratore di testi non è né un raster né un'immagine vettoriale, è (adeguatamente) chiamato Real Text o PDF Text Element. Il testo reale è ricercabile e selezionabile. Sembra nitido anche quando si esegue lo zoom, al contrario del testo vettoriale che appare grumoso e del testo raster che è pixelizzato.
Come in Magritte famoso dipinto, nel mondo PDF, l'immagine di un testo non è la stessa cosa del testo stesso.

Per rendere ricercabile il testo di un documento acquisito, è necessario eseguirlo tramite OCR. Questo processo aggiunge un livello di testo invisibile nel PDF, in modo che il motore OCR possa riconoscere i caratteri e "leggere" il testo. Questo testo non viene utilizzato durante la stampa o la visualizzazione del documento PDF ed è invisibile per l'utente.
Perché dovresti rimuovere il testo nascosto di un PDF? A volte, un testo digitalizzato che è stato OCR non viene visualizzato bene in un visualizzatore. In alcuni casi, il trucco è rimuovere il testo nascosto e rielaborare il documento con un altro strumento (come AvePDF OCR PDF ).
È anche possibile che il motore OCR che stai utilizzando debba essere aggiornato e desideri rielaborare i tuoi documenti o passare a un altro strumento con prestazioni migliori. L'ultima considerazione, se si salva come PDF / OCR un batch di documenti che includono file già OCR, il file risultante sarà più pesante.