Wir haben von einem Kunden einige tausend PDF erhalten, die von einem (uns unbekannten) OCR-Programm aus gescannten TIFF erstellt wurden. Leider war wohl das OCR nicht das Beste, denn es war z.B. nicht in der Lage bei mehrspaltigen Zeitungsartikeln die Spaltengrenzen zu erkennen, was u.a. bei silbengetrennten Worten die Volltextsuche unbrauchbar macht ... Die Originalscans sind nicht mehr verfügbar, nur die "verhunzten" PDF. Wie bekomme ich den schlechten Text dort raus? Ein erneutes OCR würde ich mit Readiris 17 machen (das kann auch TIFF im PDF-Container verarbeiten), aber es lässt den alten Text drinnen, was andere Probleme macht ... Danke für Tips. Ich könnte die PDF alle nochmal nach TIFF rendern, dabei geht aber die Verbindung zwischen den Seiten verloren, was zusätzlichen Aufwand bedeutet. Das würde ich nur machen, wenn es gar keinen anderen Weg gibt.