La prima prova richiede un paragrafo
Apri il PDF e prova a selezionare una frase all’interno della pagina, non il bordo dell’intera immagine. Copiala in un campo di testo semplice. Se compaiono lettere leggibili e nello stesso ordine, hai un primo indizio favorevole. Ripeti la prova in una pagina diversa: un documento può contenere insieme pagine digitali e scansioni. La selezione riuscita sulla copertina non garantisce che il capitolo centrale sia altrettanto leggibile.
Guarda il risultato prima di pensare al numero. Una frase estratta come parole attaccate, caratteri sostitutivi o colonne intrecciate richiede una correzione del percorso di estrazione. Aumentare il numero di tentativi con contatori diversi non chiarisce da solo quale copia sia completa. Conserva il PDF originale e annota quale versione stai misurando. Se esiste ancora il documento sorgente, può essere più semplice contare quello e riservare il PDF a un controllo finale della consegna.
Importa il file e controlla i confini
Nel conta parole scegli Importa file e seleziona il PDF. L’elaborazione avviene nel browser. Questa versione legge il testo delle pagine e non esegue OCR. Sono previsti limiti di 10 MB e 200 pagine, oltre al limite del testo gestibile nell’editor. Un avviso relativo alla dimensione non significa che il documento sia corrotto: per il controllo puoi dividere il lavoro in sezioni non sovrapposte.
Dopo l’importazione, cerca l’inizio del contenuto che volevi includere e poi la sua ultima frase. Una pagina bianca finale è innocua; un’ultima frase tagliata non lo è. Controlla anche un punto vicino al centro e una pagina con una tabella. La documentazione di PDF.js descrive l’estrazione del contenuto testuale, ma questa operazione non equivale a una revisione umana dell’impaginazione. Il nostro messaggio sul PDF invita proprio a verificare ordine, spazi e parole a fine riga.
Prima del totale, verifica il tipo di PDF
| Prova | Cosa osservi | Azione utile |
|---|---|---|
| Selezioni e copi un paragrafo | Testo completo e in ordine | Importa e controlla un campione |
| Selezioni solo un’immagine | Nessun testo estraibile | Crea prima un livello OCR |
| Copi due colonne | Frasi mescolate | Ricostruisci l’ordine prima di analizzare |
| Trovi intestazioni ripetute | Parole di servizio in ogni pagina | Decidi se includerle nel perimetro |
Decidi quali parti devono rientrare
La domanda utile non è soltanto “quante parole ci sono?”, ma “quali parole devo consegnare?”. In un rapporto potresti dover includere titoli e didascalie, ma escludere frontespizio, indice e bibliografia. In una traduzione potresti invece dover misurare anche note e tabelle. Il formato non stabilisce il perimetro del tuo incarico: lo stabiliscono le istruzioni ricevute.
Un’intestazione di quattro parole ripetuta su venti pagine aggiunge ottanta parole se viene estratta venti volte. Non è un errore aritmetico del contatore. È una conseguenza della scelta di includere quella parte del PDF. Lo stesso vale per numeri di pagina, piè di pagina e testi di servizio. Se devi rimuoverli, lavora su una copia e verifica il risultato pagina per pagina. Non cancellare ogni riga che si ripete: una frase ripetuta nel corpo può essere voluta e appartenere pienamente al testo.
Fai una prova con un campione controllabile
Scegli un paragrafo breve, senza note e senza colonne. Copialo dal PDF e confrontalo con la versione che trovi nell’editor dopo l’importazione. Per una verifica minima puoi usare la frase inventata Ciao mondo!: contiene due parole e undici caratteri includendo lo spazio. Questo campione verifica il conteggio del testo ricevuto, non la capacità di leggere qualunque PDF.
Per un controllo del documento reale, un campione di cinquanta o cento parole è più informativo. Segna eventuali differenze: un termine spezzato dal trattino, uno spazio mancante, un titolo inserito in mezzo alla frase. Se le anomalie sono ricorrenti, valuta un’esportazione diversa dal sorgente. Se sono isolate, correggile solo dopo aver verificato l’originale. Un rapporto di conteggio dovrebbe poter essere ricostruito: conserva la copia testuale misurata e il criterio con cui l’hai ottenuta.
Perché il totale può differire dal sorgente
Un PDF non è sempre un contenitore di paragrafi già pronti da copiare. La pagina può essere costruita con frammenti di testo posizionati, e il metodo di estrazione deve ricavare separazioni e ordine. Anche un risultato visivamente gradevole può quindi produrre spazi o nuove righe inattesi. Questo spiega perché confrontare il PDF con il documento di scrittura richiede qualche attenzione.
Cerca differenze nel contenuto prima di attribuirle alle regole delle parole. Controlla note, caselle, intestazioni e testo ripetuto. Poi passa ad apostrofi, trattini, numeri e a capo. In Contacara gli a capo non aumentano le battute; restano però utili per separare parole e righe. Le regole sono descritte in Come contiamo. Una consegna che impone il dato di uno specifico programma deve essere verificata con quel metodo, anche quando il nostro totale appare plausibile.
Scansioni, colonne e testi protetti
Se il documento restituisce zero parole o soltanto poche righe, non concludere che sia vuoto. Potrebbe essere una scansione, avere un livello OCR incompleto oppure impedire l’accesso necessario al testo. La guida sui PDF che richiedono OCR ti aiuta a distinguere questi casi. Per un file protetto, procurati una copia autorizzata che possa essere letta: cambiare estensione non risolve il problema.
Con due colonne, controlla che il testo proceda dall’alto al basso nella prima colonna e poi nella seconda. Con una tabella, verifica che etichette e valori restino associati. Un conteggio totale potrebbe restare uguale anche se le frasi sono mescolate; la frequenza delle parole e la leggibilità sarebbero comunque poco significative. Per questi documenti serve anche un controllo dell’ordine, spiegato nella guida al testo estratto dai PDF a colonne.
Come registrare un conteggio utilizzabile
Quando hai ottenuto una copia completa, indica nel tuo appunto di lavoro il nome del file, l’intervallo di pagine, le parti escluse e la data del conteggio. Se hai corretto sillabazioni o rimosso intestazioni, dichiaralo in una riga. Non è necessario inviare al destinatario tutti i dettagli tecnici, ma devi poter spiegare perché il numero corrisponde al contenuto richiesto.
Scarica il rapporto del contatore dopo l’ultima modifica. Se il requisito è espresso in cartelle, usa le battute spazi inclusi e la dimensione concordata nel calcolatore cartelle. Non convertire le pagine PDF direttamente in cartelle: margini, immagini e dimensione del carattere rendono quella scorciatoia poco attendibile. Per i documenti lunghi, somma solo sezioni che non si sovrappongono. Una pagina contata due volte altera il totale tanto quanto un paragrafo omesso.
Conserva un rapporto che si possa ricontrollare
Un rapporto utile distingue il file dalla copia contata. Scrivi, per esempio, “pagine da 3 a 12, corpo e didascalie inclusi, numeri di pagina esclusi”. Se hai contato separatamente due allegati, registra entrambi i valori anziché conservare soltanto la somma. Quando il destinatario segnala una differenza, questo elenco ti permette di cercare la causa in una sezione precisa.
Non allegare automaticamente il contenuto integrale a un riepilogo se basta il numero. Il report del nostro strumento contiene i risultati, mentre il comando Salva testo produce la copia testuale. Sono due documenti diversi. Conservare il secondo nel proprio archivio può aiutare una verifica, ma condividerlo richiede una scelta consapevole, soprattutto quando il PDF contiene informazioni di clienti, bozze riservate o dati personali.
Fonti e verifiche
- PDF.js: PDFPageProxy e getTextContentLettura del contenuto testuale delle pagine; distinzione dall’OCR
- Adobe: riconoscere testo nei PDF scansionatiCreazione di un livello ricercabile tramite OCR
Controlli specifici di questa guida
- Campione Ciao mondo!: 11 caratteri con spazi, 2 parole, verificato con il motore JS locale
- Esempio intestazione: 4 parole × 20 pagine = 80 parole
- Importatore locale letto: PDF.js, nessun OCR, massimo 200 pagine e 10 MB