Filespry

Tekst uit een PDF halen

Haal de tekst uit een PDF om hem te kopiëren, te doorzoeken of opnieuw te gebruiken. Het werkt in je browser en je bestand wordt niet geüpload. Alleen echte tekst wordt gelezen: gescande PDF's worden niet ondersteund omdat er geen OCR is.

Je bestanden worden in je browser verwerkt en niet geüpload.

Zo gebruik je het

  1. Kies je PDF of sleep hem naar het vak.
  2. Vink de gewenste opties aan: herhaalde kopteksten verwijderen, afgebroken woorden samenvoegen, paginanummers markeren.
  3. Klik op Tekst extraheren en wacht tot de pagina's zijn gelezen.
  4. Kopieer de tekst of download hem als .txt-bestand. Je kunt hem eerst in het vak bewerken.

Wat je kunt verwachten bij het extraheren van PDF-tekst

Veel PDF's slaan hun tekst op als echte tekens met een positie op de pagina. Bij het extraheren worden die tekens gelezen en worden regels en alinea's opnieuw opgebouwd uit de tussenruimtes. Dat werkt goed voor rapporten, artikelen en contracten die uit een tekstverwerker zijn geëxporteerd, en slecht voor scans, die alleen afbeeldingen bevatten.

Omdat een PDF geen echte alinea-structuur heeft, gokt de tool. Regels die dicht bij elkaar staan worden samengevoegd en bij een grotere ruimte begint een nieuwe alinea. Opsommingen blijven als aparte regels bestaan. Kolommen en tabellen zijn het zwakke punt, omdat een pagina regel voor regel over de hele breedte wordt gelezen.

Loop het resultaat na het extraheren door op vreemde breuken en herstel ze in het vak, dat ook het aantal woorden en tekens toont. Staan er op elke pagina kopteksten of paginanummers, laat de opschoonoptie dan aan. Gebruik voor een scan een programma met OCR en breng de herkende PDF daarna desgewenst terug hierheen.

Veelgestelde vragen

Waarom krijg ik de melding dat er geen tekst is?

De PDF is waarschijnlijk een scan of een reeks gefotografeerde pagina's. Die bevatten afbeeldingen van letters, geen echte tekst, en deze tool heeft geen OCR (tekstherkenning), dus er valt niets te extraheren. Een PDF die uit een tekstverwerker is geëxporteerd werkt normaal gesproken wel.

Waarom staat mijn tekst in de verkeerde volgorde?

De tool leest de tekst in de volgorde waarin hij op de pagina staat. Bij meerdere kolommen, tabellen, zijbalken of tekstvakken kunnen regels uit verschillende gebieden door elkaar raken. Korte documenten met één kolom geven het beste resultaat. De rest kun je in het bewerkbare vak herstellen.

Wat doen de opschoonopties?

Herhaalde kop- en voetteksten verwijderen haalt regels weg die bovenaan of onderaan minstens de helft van de pagina's staan, zoals titels en paginanummers. Afgebroken woorden samenvoegen plakt een woord aan elkaar dat aan het regeleinde met een koppelteken is afgebroken. Paginamarkering voegt voor elke pagina een label toe.

Wordt mijn PDF naar een server geüpload?

Nee. De tekst wordt in je browser geëxtraheerd en je bestand verlaat je apparaat nooit. PDF's met een wachtwoord kunnen hier niet worden geopend en zeer lange documenten hangen af van het geheugen van je apparaat.

Verwante tools

  • PDF naar JPG

    Sla PDF-pagina's op als JPG of PNG

    Nieuw
  • Woordenteller

    Tel woorden, tekens, zinnen en leestijd

  • PDF bewerken

    Voeg tekst, afbeeldingen, vormen en handtekeningen toe aan een PDF

    Nieuw
  • PDF splitsen

    Knip een PDF op paginabereiken of in losse pagina's