Kopieer de tekst uit een pdf
Citaten uit een rapport, een contractclausule voor een e-mail, een tabel die in een spreadsheet moet komen: tekst selecteren in een pdf-lezer sleept vaak vreemde regeleinden en paginanummers mee. Deze pagina leest de in de pdf opgeslagen tekst, pagina voor pagina, en zet hem in een vak dat je kunt kopiëren of opslaan als .txt-bestand. De pdf wordt in je browser gelezen en nooit geüpload.
Tekst uit een pdf halen in vijf stappen
- Sleep de pdf naar het neerzetgebied of klik erop om het bestand te kiezen. Bij het eerste gebruik wordt de paginalezer geladen, ongeveer een halve megabyte.
- Typ de gewenste pagina's, bijvoorbeeld
1-3, 7, of laat het veld leeg om elke pagina te lezen. - Kies hoe regels worden behandeld: laat ze zoals ze in de pdf staan, of voeg ze samen tot alinea's voor doorlopende tekst. Zet de paginamarkeringen aan als je wilt zien waar elke pagina begint.
- Druk op Tekst extraheren. Een voortgangsregel toont de pagina die wordt gelezen en Annuleren stopt de run.
- Kopieer de tekst of download hem als .txt-bestand. De regeloptie of de markeringen wijzigen werkt het resultaat direct bij, zonder de pdf opnieuw te lezen.
Scans en wat de tool niet kan lezen
De tool leest tekst die in de pdf is opgeslagen. Een gescande pagina is slechts een afbeelding, dus die levert niets op, en het resultaat zegt hoeveel pagina's geen tekst hadden. Tekenherkenning (OCR) vraagt grote modellen, die de kleine omvang van deze site zouden verpesten, dus haal een scan eerst door een OCR-programma. Pdf's gemaakt met Word, een webpagina of een export uit een app bevatten meestal echte tekst.
Leesvolgorde, kolommen en tabellen
Een pdf slaat gepositioneerde tekstfragmenten op, geen alinea's. De tool voegt fragmenten op dezelfde basislijn samen, voegt een spatie toe waar de tussenruimte breed genoeg is en maakt van een grotere verticale ruimte een lege regel. Kolommen, tabellen, kop- en voetteksten en voetnoten kunnen in een andere volgorde uitkomen dan ze op de pagina staan. Een koppelteken aan het eind van een regel blijft waar het is.
Groottelimieten en waar het bestand heen gaat
Een pdf mag maximaal 100 MB groot zijn. Een versleutelde pdf vraagt om zijn wachtwoord, dat alleen in het geheugen wordt gebruikt. De paginalezer is pdf.js, geserveerd vanaf deze site, en geen enkel verzoek draagt de inhoud van je document.