Zo gebruik je PDF naar tekst
- 1
Open de PDF
Sleep een PDF van maximaal 50 MB naar het vak, of klik om er een te kiezen. Bij bestanden met een wachtwoord word je eerst om dat wachtwoord gevraagd.
- 2
Kies een tekstindeling
Alinea's geeft overzichtelijke doorlopende tekst om te lezen of te plakken; Pagina-indeling behoudt elke afgedrukte regel en lijnt tabelkolommen uit met spaties.
- 3
Kies pagina's en OCR
Extraheer alle pagina's of een bereik zoals 2-5, 9. Zet OCR aan en kies de taal als sommige pagina's scans zijn zonder tekstlaag.
- 4
Kopiëren of downloaden
Klik op Tekst extraheren, controleer het resultaat in het vak en kopieer het naar het klembord of sla het op als UTF-8 .txt-bestand.
Limieten en Pro
Eén PDF van maximaal 50 MB en maximaal 200 pagina's per extractie, inclusief OCR.
Met Pro open je PDF's tot 4 GB en lees je tot 5.000 pagina's in één keer. Pro bekijken
Over PDF naar tekst
Deze tool leest de tekstlaag die de meeste PDF's bevatten, dezelfde tekens die je in een PDF-viewer kunt selecteren, en zet die terug in de volgorde waarin een mens ze leest. Direct kopiëren uit een viewer husselt de twee kolommen van een artikel vaak regel voor regel door elkaar, breekt elke zin af aan het einde van een afgedrukte regel en laat afbreekstreepjes midden in woorden staan. Hier worden pagina's eerst opgedeeld in kolommen en blokken, worden afgebroken regels samengevoegd tot alinea's, worden woorden die over twee regels zijn afgebroken weer aaneengezet, blijven opsommingstekens en nummers vooraan bij lijstitems staan en komt een tabel eruit als rijen met een tab tussen de cellen, zodat je die in een spreadsheet kunt plakken. Een los paginanummer in de boven- of ondermarge blijft weg, net als gedraaide of verticale tekst, zoals een diagonaal watermerk “DRAFT”.
De modus Pagina-indeling doet het omgekeerde: die houdt elke regel precies op de plek waar die was afgedrukt en gebruikt spaties om de kolommen van een formulier, een factuur of een bankafschrift op hun plaats te houden.
Gescande pagina's hebben geen tekstlaag, alleen een afbeelding van het papier. Als OCR aan staat, worden alleen die pagina's in je browser gelezen door de Tesseract-engine, in een van 47 talen. Je gebruikt dit bijvoorbeeld om uit een rapport te citeren, een contract in een vertaalprogramma of woordenteller te zetten, en cijfers uit een afschrift te halen. Lettertypen, kleuren, afbeeldingen en links horen niet bij de uitvoer; converteer de PDF daarvoor liever naar Word.
Privacy
PDF.js verwerkt het document in een Web Worker op je apparaat en een tweede worker ordent de regels tot alinea's; de PDF en de tekst worden nooit geüpload. Alleen als je OCR aanzet, haalt de pagina eenmalig de Tesseract-engine en één taalbestand op via het jsDelivr-CDN, en bij die downloads wordt niets uit je document meegestuurd.
Functies
Kolommen in volgorde
Indelingen met twee of drie kolommen worden kolom na kolom gelezen, niet regel voor regel over de pagina.
Echte alinea's
Afgebroken regels worden samengevoegd en woorden die aan het regeleinde zijn afgebroken, worden weer aaneengezet.
Tabellen om te plakken
Tabelrijen komen eruit met tabs ertussen, klaar voor een spreadsheet, of uitgelijnd met spaties in Pagina-indeling.
OCR voor scans
Pagina's zonder tekstlaag kunnen op je apparaat met Tesseract worden gelezen in 47 talen.