Waarom tekst uit een PDF halen
Tekst kopiëren uit een PDF-lezer gaat vaak mis: regels breken midden in zinnen af, kolommen raken door elkaar en 50 pagina's met de hand selecteren is vermoeiend. Deze tool leest de tekst van het hele document in één keer en geeft je nette platte tekst. Gebruik het om een document in een e-mail of vertaaltool te plakken, om een rapport te citeren, om tekst in een ander programma te gebruiken, om woorden te tellen of om een doorzoekbare tekstkopie van een document te bewaren.
Drie tekstmodi
- Regels: de tekst regel voor regel, zoals die op de pagina staat. Handig voor lijsten, adressen en korte documenten.
- Alinea's: regels die bij elkaar horen worden samengevoegd tot alinea's en afgebroken woorden aan het einde van een regel worden waar mogelijk weer aan elkaar gezet. Het beste voor artikelen, boeken en rapporten die je in een tekstverwerker of vertaaltool wilt plakken.
- Opmaak: er worden spaties toegevoegd om de positie van de tekst op de pagina te behouden, zodat tabellen en kolommen in een font met vaste breedte ongeveer uitgelijnd blijven. Handig voor facturen, afschriften en formulieren.
Het voorbeeld wordt bijgewerkt zodra je de modus wijzigt en toont het aantal tekens en woorden.
Bestandsopties
- Paginascheiding: een markeerregel zoals ----- Page 3 -----, een lege regel of een formfeed-teken dat sommige programma's als pagina-einde gebruiken.
- Regeleinden: Windows (CRLF) voor Kladblok en de meeste Windows-programma's, of Unix (LF) voor macOS, Linux en code-editors.
- BOM: voegt een markering toe aan het begin van het bestand, zodat oude Windows-programma's UTF-8-tekst in talen als Chinees of Russisch herkennen.
- Eén bestand per pagina: elke pagina komt in een eigen TXT-bestand, alles samen in één ZIP.
Gescande PDF's
Een gescande PDF bevat alleen afbeeldingen van pagina's, dus er is geen tekst om te halen. De tool herkent pagina's zonder tekst en meldt dat. Met één klik stuur je het document naar OCR PDF, dat de tekst herkent en die direct als TXT-bestand kan teruggeven. De tekstextractie zelf gebeurt in je browser en uploadt je bestand niet; OCR draait op onze server.
Wat platte tekst niet kan bewaren
Platte tekst kent geen lettertypen, vet, afbeeldingen of tabellen. Heb je de opmaak nodig, zet het dan om naar een bewerkbaar document met PDF naar Word, of haal tabellen in een spreadsheet met PDF naar Excel. Sommige PDF's slaan tekst op met ongebruikelijke lettertypecoderingen, waardoor de geëxtraheerde tekst verkeerde tekens toont; in dat geval geeft OCR meestal een beter resultaat.