OCR: far leggere il testo all'app

L'OCR (riconoscimento ottico dei caratteri) legge il testo stampato o scritto dentro le immagini e i PDF allegati, e lo rende cercabile. Funziona sul tuo computer: nessuna immagine viene inviata a un servizio esterno.

Cosa aspettarsi

L'OCR è nato per la stampa. Su una scrittura umanistica pulita e ben fotografata dà risultati utilizzabili; su una minuscola notarile corsiva del Trecento no. Trattalo come uno strumento di ricerca, utile per individuare la carta giusta fra duecento scansioni, non come sostituto della trascrizione.

Prima di tutto: installare una lingua

I pacchetti lingua pesano decine di megabyte, perciò non sono inclusi nell'app: si scaricano una volta sola, e restano su quel computer.

Si installano da tre punti: la finestra dell'OCR, la palette dei comandi (Ctrl+K → «lingue OCR») e Impostazioni → Archivio Dati.

Per il latino e il volgare italiano conviene installare entrambe le lingue e selezionarle insieme: il motore le usa contemporaneamente.

TIP

La scelta della lingua è per computer, non per archivio: non viene sincronizzata. Un collega che non ha installato quella lingua non ne subisce le conseguenze.

Riconoscere un allegato

Dalla scheda, sull'allegato che ti interessa. Le opzioni:

• lingue da usare;
• risoluzione (dpi) per i PDF: più alta significa più preciso e più lento;
• numero massimo di pagine, per non lanciare un lavoro di un'ora su un registro intero;
• raddrizza le pagine scansionate di traverso (vedi sotto);
• salva una copia come PDF ricercabile (vedi sotto).

Il riconoscimento si può annullare mentre è in corso: ciò che è già stato letto viene conservato.

Sui PDF, prima si cerca il testo vero

Se il PDF contiene già un livello di testo (perché nasce digitale, o è stato già passato all'OCR da qualcun altro), l'app lo legge direttamente, pagina per pagina, e riconosce solo le pagine che ne sono prive. È più preciso e incomparabilmente più veloce.

Il testo di ogni pagina va alla trascrizione di quella pagina: vedi I PDF, una pagina alla volta.

Pagine girate o capovolte

Le scansioni fatte in fretta hanno spesso pagine ruotate di 90° o sottosopra, e su quelle l'OCR legge solo rumore. Con l'opzione Raddrizza le pagine scansionate di traverso l'app riconosce l'orientamento e ruota la pagina prima di leggerla. Quando l'orientamento è incerto legge la pagina nei due versi e tiene la lettura migliore. Alla fine il risultato dice quante pagine sono state raddrizzate, e quali sono state lasciate com'erano perché il dubbio restava.

L'opzione richiede un piccolo pacchetto in più, Rilevamento orientamento, che si installa da Gestisci lingue come le lingue.

Il PDF ricercabile

Con Salva una copia come PDF ricercabile il testo riconosciuto esce dall'archivio: l'app salva, dove scegli tu, una copia dell'allegato in PDF con il testo nascosto sotto la scansione, cercabile e copiabile in qualunque lettore PDF. Le pagine originali restano identiche, senza perdita di qualità; quelle raddrizzate compaiono dritte.

Con «Tutti gli allegati della scheda» si ottiene un unico PDF con tutte le carte. I PDF protetti da password non si possono includere, e l'app lo segnala.

È il modo più semplice per dare a un collega, o a un altro programma, la versione consultabile di un fondo scansionato.

Dove finisce il testo riconosciuto

In due posti, con ruoli diversi:

1. Nell'indice di ricerca. Il testo entra nella ricerca globale senza comparire nella scheda. Da lì la sintassi dedicata:

   ocr:testamento

   e il filtro avanzato «ha OCR: sì / no», che è la lista di lavoro di chi sta riconoscendo un fondo intero.

2. Come bozza di trascrizione, se lo chiedi: il testo viene messo nell'editor della carta corrispondente. Se quella carta ha già una trascrizione, l'app chiede come procedere (sostituisci, accoda o annulla) e non sovrascrive mai in silenzio.

Le parole incerte si vedono

Le parole riconosciute con poca sicurezza sono sottolineate con una linea ondulata, e in cima alla bozza compare una nota che dice che quel testo viene da un riconoscimento automatico.

La marcatura sopravvive all'esportazione: diventa [?] in Markdown (la convenzione filologica per una lettura dubbia) e una sottolineatura ondulata in RTF. Una bozza OCR che esce dall'app senza dichiararsi diventerebbe una trascrizione falsamente autorevole.

OCR su molte schede

Si può lanciare il riconoscimento su una selezione di schede. In quel caso:

• gli allegati che hanno già un OCR vengono saltati;
• la domanda su cosa fare con le trascrizioni esistenti viene posta una volta sola, non per ogni carta;
• l'annullamento a metà conserva tutto ciò che è già stato riconosciuto.

Durante il riconoscimento l'app resta utilizzabile, ma è l'operazione più pesante in esecuzione sul computer.

Metodo consigliato

1. Prova su tre o quattro carte rappresentative prima di lanciare l'intero fondo: se il risultato è illeggibile, cambiare mano non lo migliorerà.
2. Se la scrittura non è adatta, usa comunque l'OCR sulle parti stampate o tarde (buste, camicie, note di inventario moderne): spesso sono proprio quelle a contenere le segnature che cerchi.
3. Usa ocr: per individuare la carta, e la trascrizione manuale per il lavoro filologico.