PDF naar tekst converteren
De tool PDF naar tekst van FileReshape leest de tekstlaag van elke pagina en slaat die op als één gewoon UTF-8-tekstbestand (.txt), of toont de tekst klaar om te kopiëren. De tekst wordt in uw browser uitgelezen en de PDF wordt niet geüpload. Gescande PDF's zonder tekstlaag leveren geen tekst op omdat de tool geen OCR doet, kolommen en tabellen kunnen door elkaar raken en de opmaak blijft niet behouden.
Is een bestand niet goed omgezet? Mail naar [email protected], liefst met een klein voorbeeldbestand, dan wordt het opgelost.
In het kort
- Invoer: PDF (.pdf). Uitvoer: Platte tekst (.txt).
- Je bestanden worden niet geüpload: het werk gebeurt in je browser, op je eigen apparaat.
- Bestandsgrootte: geen vaste grens; heel grote bestanden worden beperkt door het geheugen van je apparaat.
- Vereist een recente browser (Chrome, Edge, Firefox of Safari) op computer, tablet of telefoon; niets te installeren.
- Gratis en zonder account.
Waarom een PDF omzetten naar platte tekst
Tekst kopiëren uit een PDF-lezer werkt voor een zin, maar bij een heel document krijgt u rare regeleinden, slaat het pagina's over of stopt het aan het eind van het scherm. Deze tool leest de tekstlaag van elke pagina en geeft u één tekstbestand in UTF-8, klaar voor een teksteditor, een vertaalprogramma, een script of een zoekopdracht. De tekst verschijnt ook op de pagina met een knop om hem te kopiëren, zodat u hem ergens kunt plakken zonder iets te downloaden. Kies hoe pagina's van elkaar worden gescheiden: een korte markeringsregel zoals “--- Pagina 2 ---”, een lege regel, of een paginaeinde-teken (form feed) voor programma's die pagina's op die manier tellen. Veel PDF's, vooral scans, hebben helemaal geen tekstlaag; de tool vertelt u dan om welke pagina's het gaat in plaats van u een leeg bestand te geven.
Zo haalt u tekst uit een PDF
- Sleep uw PDF naar het vak, of klik om het bestand te kiezen.
- Kies wat er tussen de pagina's komt.
- Klik op “Tekst extraheren” en download het .txt-bestand of kopieer de tekst uit het vak eronder.
Goed om te weten
Gescande PDF's bevatten geen tekst
Een scanner of telefooncamera slaat elke pagina op als afbeelding. Tenzij er bij het maken van de PDF OCR (tekstherkenning) is toegepast, is er geen tekst om uit te halen, en deze tool doet geen OCR. Pagina's zonder tekst worden met hun nummer genoemd, zodat een PDF met zowel getypte pagina's als gescande bijlagen toch bruikbaar blijft.
Kolommen en tabellen
De tekst komt eruit in de volgorde waarin de PDF hem opslaat. Bij gewone alinea's is dat de leesvolgorde. Kranten met meerdere kolommen, formulieren en tabellen kunnen kolom voor kolom uitkomen of met cellen die op één regel aan elkaar vastzitten, dus controleer die voordat u op het resultaat vertrouwt.
Vreemde tekens
Sommige PDF's, vaak oudere of bestanden van bepaalde printerstuurprogramma's, gebruiken lettertypen zonder tabel die aangeeft welke letter elke vorm is. Hun tekst ziet er op het scherm goed uit, maar komt eruit als onzinnige symbolen. Dat ligt aan het bestand; een andere tool die dezelfde tekstlaag leest, krijgt hetzelfde resultaat.
De opmaak blijft niet behouden
Een .txt-bestand heeft geen lettertypen, vette tekst, afbeeldingen of pagina-indeling, alleen tekens en regeleinden. Kop- en voetteksten en paginanummers die op de pagina's staan, horen bij de tekst en verschijnen op elke pagina.
Over de bestandsformaten
PDF (Portable Document Format) is in 1993 door Adobe ontwikkeld en is sinds 2008 een ISO-norm. Een pdf ziet er op elk apparaat hetzelfde uit en wordt daarom gebruikt voor contracten, facturen, formulieren, handleidingen en gescande documenten.
- Een pagina kan tekst, vectorafbeeldingen en foto's bevatten, elk precies op zijn plaats.
- Een gescand document bestaat meestal uit één afbeelding per pagina.
- Een pdf kan worden beveiligd met een wachtwoord dat nodig is om hem te openen of te bewerken.
Platte tekst
Een tekstbestand (.txt) bevat alleen tekens en regeleinden: geen lettertypen, kleuren, afbeeldingen of opmaak. Daardoor is het het meest uitwisselbare documentformaat dat er is, leesbaar voor elke editor, elke zoektool en elke programmeertaal.
- De codering bepaalt hoe letters buiten A-Z worden opgeslagen; UTF-8 dekt elk alfabet.
- Windows sluit regels af met CR LF, Mac en Linux met LF; huidige editors lezen beide.
- Er is geen pagina-indeling, dus pagina-einden worden geschreven als markeringsregels of als form-feedtekens.
Veelgestelde vragen
Wordt mijn PDF geüpload?
Nee. De tekst wordt door uw browser op uw eigen apparaat gelezen, en noch de PDF noch de tekst wordt ergens naartoe gestuurd.
Welke codering gebruikt het tekstbestand?
UTF-8, waarmee letters als ë, ü en é en tekens uit andere alfabetten behouden blijven. Elke gangbare teksteditor, waaronder Kladblok op Windows 10 en 11 en TextEdit op een Mac, opent het correct.
Kan ik tekst uit een PDF met wachtwoord halen?
Niet als er een wachtwoord nodig is om hem te openen. Verwijder het wachtwoord eerst in uw PDF-lezer en haal de tekst daarna hier uit het bestand.
Kan ik de tekst van maar een paar pagina's krijgen?
De tool leest het hele document. Voor een paar pagina's extraheert u die pagina's eerst naar een nieuwe PDF en converteert u dat bestand, of u houdt de paginamarkeringen aan en verwijdert in een teksteditor wat u niet nodig hebt.