Werkt op dit apparaat

PDF naar tekst

Haal de woorden uit een PDF als plat tekstbestand — samengevoegd tot alinea's om te lezen, of regel voor regel voor data.

    Zo haal je tekst uit een PDF

    1. Kies je PDF. Het lezen begint meteen — er valt niets te drukken.
    2. Kies of afgebroken regels moeten worden samengevoegd tot alinea's of precies zo blijven.
    3. Bewaar de .txt en open hem waar je wilt — het is platte UTF-8-tekst.

    Twee verschillende klussen met dezelfde naam

    Achter 'de tekst eruit halen' schuilen twee klussen die om tegengestelde behandeling vragen. Ga je het resultaat lezen, of ergens plakken, dan wil je dat de regels die de pagina toevallig afbrak weer zinnen worden. Haal je een tabel of een lijst codes eruit, dan *zijn* die regeleindes de structuur, en ze samenvoegen vernielt die.

    Daarom worden beide aangeboden in plaats van gegokt. Het samenvoegen gebruikt de witruimte tussen regels om te bepalen waar een alinea echt eindigt, en plakt woorden weer aan elkaar die aan het regeleinde zijn afgebroken. De regels houden geeft je de pagina precies zoals hij was opgemaakt, regel voor regel.

    De tekst komt uit de tekstlaag van de PDF zelf, dus het zijn de woorden die het document werkelijk bevat, geen gok op basis van een plaatje. Dat betekent ook dat een gescande PDF geen tekst bevat om eruit te halen — hij bevat foto's van tekst. Het hulpmiddel zegt dat, in plaats van je een leeg bestand te geven.

    De uitvoer is platte UTF-8, die elke editor, elk rekenblad en elk script zonder omhaal leest. Opmaak overleeft per definitie niet: wil je koppen en vet, gebruik dan PDF naar Word.

    Vragen over tekst eruit halen

    Waarom is mijn bestand leeg?

    Omdat de PDF een scan is: hij bevat afbeeldingen van pagina's in plaats van tekst. Die woorden lezen vereist OCR, en OCR online betekent je document uploaden. Het hulpmiddel zegt dat in plaats van je een blanco bestand te geven.

    Regels samenvoegen of houden?

    Samenvoegen voor alles wat je als lopende tekst leest of plakt — rapporten, brieven, artikelen. Houden voor tabellen, code, adressen of lijsten, waar de regeleindes betekenis dragen die samenvoegen zou vernielen.

    Blijft de opmaak behouden?

    Nee, en dat is precies wat platte tekst betekent. Vet, koppen, kolommen en tabellen worden allemaal platgeslagen tot woorden. Heb je de opmaak nodig, dan houdt PDF naar Word alinea's, koppen en tekenopmaak wel.

    Waarom komt een pagina met kolommen door elkaar?

    Een PDF legt niet vast dat iets een kolom was, dus wordt de tekst gelezen in de volgorde waarin hij in het bestand is gezet, wat bij twee kolommen vaak betekent: heen en weer tussen de kolommen. De regels houden in plaats van ze samen te voegen is meestal makkelijker met de hand te ordenen.

    Wordt mijn document geüpload?

    Nee. Je browser leest de PDF en schrijft de .txt op je apparaat. Er gaat niets naar buiten.

    Andere PDF-hulpmiddelen