Zwei PDF-Dateien können auf dem Bildschirm fast identisch aussehen und sich trotzdem völlig unterschiedlich verhalten. In der einen kannst du Wörter markieren und durchsuchen, in der anderen lässt sich nur die gesamte Seite als Bild auswählen. Der Grund ist oft einfach: Eine PDF enthält echten Text, die andere nur einen Scan.
Was ist eine Text-PDF?
Bei einer Text-PDF liegen Buchstaben und Wörter als Textobjekte vor. Solche Dateien entstehen zum Beispiel beim Export aus einer Textverarbeitung oder aus vielen digitalen Dokumentensystemen.
Typische Merkmale: Du kannst Text markieren, kopieren und durchsuchen. Auch Bearbeitung ist grundsätzlich eher möglich, wobei die tatsächliche Editierbarkeit weiterhin von der internen PDF-Struktur abhängt.
Was ist eine gescannte PDF?
Ein Scan ist zunächst ein Bild einer Seite. Für den Computer ist der gedruckte Satz dann nicht automatisch Text, sondern ein Muster aus Pixeln. Deshalb kann die PDF korrekt aussehen, ohne dass du einzelne Wörter auswählen kannst.
Scans entstehen häufig bei Papierdokumenten, Multifunktionsdruckern oder Smartphone-Scan-Apps.
Drei schnelle Tests
- Markieren: Versuche, ein einzelnes Wort auszuwählen. Bei einem reinen Scan klappt das meist nicht.
- Suchen: Suche nach einem deutlich sichtbaren Begriff. Kein Treffer trotz korrekter Schreibweise kann auf fehlende Textebene hindeuten.
- Kopieren: Kopiere einen Satz in einen Texteditor. Wenn gar nichts oder unlesbarer Inhalt ankommt, lohnt sich ein genauerer Blick.
OCR macht aus einem Scan nicht automatisch eine perfekte Text-PDF
Optical Character Recognition erkennt Zeichen in Bildern und kann dem Scan eine Textebene hinzufügen. Dadurch werden Suche und Kopieren möglich. Die sichtbare Seite kann trotzdem weiterhin aus einem Bild bestehen.
OCR ist außerdem nicht fehlerfrei. Schlechte Scans, ungewöhnliche Schriftarten, Tabellen, Handschrift oder geringe Auflösung können zu Erkennungsfehlern führen.
Warum die Unterscheidung beim Bearbeiten wichtig ist
Echten PDF-Text zu bearbeiten ist etwas anderes als Text in einem Scan zu verändern. Bei einer Text-PDF kann ein Editor vorhandene Textobjekte ansprechen. Bei einem Scan existiert an dieser Stelle möglicherweise nur ein Bild.
Priviot PDF kann bestehenden PDF-Text bearbeiten; wie gut das funktioniert, hängt von der internen Struktur der Datei ab. Ein Scan ohne entsprechende Textobjekte ist deshalb ein anderer Fall als ein digital erzeugtes Dokument.
Warum die Unterscheidung beim Schwärzen wichtig ist
Ein gescanntes Dokument kann nach OCR sowohl Bildinhalt als auch eine unsichtbare Textebene enthalten. Wenn du sensible Informationen schwärzt, darfst du deshalb nicht nur auf die sichtbaren Pixel schauen.
Priviots Schwärzungsfunktion ist darauf ausgelegt, Inhalte aus unterstützten Dokumentstrukturen zu entfernen und komplexe Seiten nur nach Zustimmung zu rasterisieren. Das Ergebnis solltest du trotzdem immer kontrollieren.
Welche Variante ist besser?
Das hängt vom Zweck ab. Eine Text-PDF ist für Suche, Copy & Paste und häufig auch Barrierefreiheit günstiger. Ein Scan kann dagegen sinnvoll sein, wenn das Original ausschließlich auf Papier vorliegt oder die exakte visuelle Erscheinung eines Dokuments festgehalten werden soll.
In vielen Archiven ist eine Kombination üblich: sichtbarer Scan plus OCR-Textebene.
Fazit
Der einfachste Unterschied lautet: Text-PDFs enthalten echte Textobjekte, reine Scans zunächst nur Bilder. Markieren, Suchen und Kopieren geben dir schnell einen Hinweis. OCR kann Scans durchsuchbar machen, verändert aber nicht automatisch den gesamten Aufbau der PDF.