PDF naar tekst

Over tekst uit een PDF halen

Een PDF die uit een document is gemaakt, bevat zijn tekst al. De letters zitten in het bestand; de lezer tekent ze alleen op de juiste plek op de pagina.

Ze eruit krijgen zou makkelijk moeten zijn, en dat is het meestal niet. "Alles selecteren" in een lezer geeft u kopteksten, voetteksten en paginanummers dwars door de zinnen heen. Kopieer een tabel en die komt als één lange regel aan. Kopieer twee kolommen en ze lopen door elkaar. En op een telefoon kunt u vaak helemaal niets selecteren.

Deze tool vraagt de PDF rechtstreeks om zijn tekst en geeft u het resultaat in een vak dat u kunt bewerken, kopiëren of downloaden als .txt.

Hij leest, hij gokt niet

Dit is geen OCR. OCR kijkt naar een plaatje van een pagina en probeert de vormen als letters te herkennen — nuttig, maar het maakt fouten, en de 1, de l en de I zijn een levenswerk.

Hier valt niets te herkennen. De tekens staan al in de PDF en komen er precies zo uit als ze erin gingen. Geen verkeerd gelezen letters, geen betrouwbaarheidsscore en geen wachten: een rapport van 200 pagina's is in een paar seconden klaar.

Het enige wat hij niet kan, is een scan lezen. Een gescande pagina is een foto, zonder enige tekst erin. Als dat zo is, zegt de tool het gewoon in plaats van u een leeg vak te geven — en wijst u de weg naar OCR.

Kies de pagina's

Laat het vak Pagina's leeg om het hele document te nemen, of noem wat u wilt:

• 5 — alleen pagina 5
• 1-3 — de eerste drie pagina's
• 1-3, 5, 8-10 — bereiken en losse pagina's door elkaar

Handig wanneer u alleen één hoofdstuk van een lang rapport nodig heeft, of wanneer de eerste twee pagina's een omslag en een inhoudsopgave zijn die u niet wilt.

Regelafbrekingen: behouden of samenvoegen

Een PDF bewaart waar elke regel is getekend, niet waar een zin eindigt. Een alinea komt dus aan als vijf losse regels, die alleen zijn afgebroken omdat de pagina te smal werd.

• Regels laten zoals ze zijn — precies zoals de pagina was opgemaakt. Goed voor tabellen, adressen, poëzie, code, lijsten en alles waar de regel *de* betekenis is.
• Regels samenvoegen tot alinea's — zet een gebroken zin terug tot één regel. Goed voor lopende tekst die u in een document, een e-mail of een vertaler gaat plakken.

Het samenvoegen is voorzichtig: een regel die een zin afsluit, een kop, een opsommingsteken en een genummerd item houden allemaal hun afbreking. Alleen een regel die duidelijk midden in een zin stopt, wordt aan de volgende geplakt.

Paginamarkeringen

Markeren waar elke pagina begint zet een regel --- Pagina 7 --- tussen de pagina's. Laat dit aan wanneer u de weg terug naar het origineel moet vinden — een rapport citeren, een contract nakijken, een bron vermelden. Zet het uit wanneer u schone lopende tekst wilt om ergens anders te plakken.

Er verlaat niets uw apparaat

De PDF wordt in uw browser geopend en gelezen. Hij wordt niet geüpload, niet in een wachtrij gezet en niet bewaard. Dat telt bij de documenten waarvoor mensen dit echt nodig hebben: contracten, afschriften, medische brieven, juridische stukken, alles onder een geheimhoudingsverklaring.

Het betekent ook dat er geen bestandslimiet is door een upload, en dat het offline werkt zodra de pagina is geladen.

Waarvoor mensen het gebruiken

• Een citaat uit een rapport halen zonder het over te typen
• Een document door een vertaler, een samenvatter of een zoekfunctie halen
• Een handleiding of beleidsstuk omzetten naar platte tekst om met Ctrl+F te doorzoeken
• Lopende tekst uit een boek of artikel halen om te bewerken of te bestuderen
• Tekst in een tekstverwerker krijgen wanneer kopiëren uit de lezer verminkt aankomt
• Inhoud voor een website uit een PDF-brochure halen
• Een document leesbaar maken voor een schermlezer die het met de PDF moeilijk heeft

Goed om te weten

• Een met wachtwoord beveiligde PDF moet eerst worden ontgrendeld — gebruik PDF ontgrendelen
• Een PDF die een scan is heeft geen tekst; gebruik PDF naar JPG en daarna Afbeelding naar tekst
• Kolommen, tabellen en voetnoten komen in de volgorde waarin de PDF ze bewaart, en dat is meestal — maar niet altijd — de leesvolgorde. Controleer het resultaat
• Het tekstvak is bewerkbaar, dus u kunt het resultaat opschonen voordat u het downloadt
• De download is een gewoon .txt-bestand in UTF-8, dus accenten en niet-Latijnse tekens blijven behouden
• Opmaak — vet, grootte, kleur, afbeeldingen — blijft niet bewaard. Platte tekst is juist de bedoeling. Voor een opgemaakt document gebruikt u PDF naar Word

Zo gebruikt u het

• Klik op Klik om te uploaden of sleep uw PDF op het vak
• Laat Pagina's leeg voor het hele document, of typ de pagina's die u wilt
• Kies Regels laten zoals ze zijn voor tabellen en lijsten, of Regels samenvoegen tot alinea's voor lopende tekst
• Vink Markeren waar elke pagina begint aan of uit
• Druk op Tekst ophalen, lees het resultaat, en kies dan Kopiëren of .txt downloaden

Verwante tools

• PDF naar Word — wanneer u de opmaak nodig heeft, niet alleen de woorden
• Afbeelding naar tekst — OCR, voor scans en schermafbeeldingen
• PDF naar JPG — gescande pagina's omzetten naar afbeeldingen voor OCR
• PDF ontgrendelen — eerst een wachtwoord verwijderen
• Tekst zoeken in bestanden — een hele map in één keer doorzoeken
• Woorden tellen — tellen wat u eruit heeft gehaald
• PDF splitsen — een paginabereik als eigen bestand eruit halen