Tekst extraheren

tekst uit PDF halen: overzicht

Lees de tekstlaag van een pdf, kopieer die of download hem als TXT-bestand. Maak een platte-tekstkopie van een document voor aantekeningen, zoeken, citeren of hergebruik zonder de zichtbare tekst opnieuw te typen.

De tekst wordt met PDF.js gelezen uit de laag die de PDF al bevat. Er is geen tekstherkenning, dus een gescande of gefotografeerde pagina levert helemaal niets op: opent een document als afbeelding, dan haalt geen enkele extractie er woorden uit. De uitvoer is platte UTF-8-tekst met een lege regel tussen de pagina's. De spatiëring komt voort uit de posities van de tekstfragmenten in het origineel, wat betekent dat opmaak met meerdere kolommen en tabellen vreemd door elkaar kan lopen, en dat opmaak, afbeeldingen en koppelingsdoelen niet behouden blijven.

tekst uit PDF halen met PDFolio

PDFolio leest de bestaande tekstlaag en toont daarna een voorbeeld in de browser met een TXT-download. Een gescande pagina kan leesbaar lijken maar geen selecteerbare tekst bevatten; deze tool leest bestaande pdf-tekst en voert geen OCR uit.

Wilt u de tekst met wat structuur eromheen, dan houdt PDF naar HTML de paginagrenzen als secties aan en is die makkelijker door te lopen. Levert de extractie niets op, dan is het document een scan en loopt de enige route naar tekst via tekstherkenningssoftware, wat buiten bereik ligt van wat een lokaal browsergereedschap betrouwbaar kan.

Voordat u downloadt

Eenvoudige alinea's worden meestal netjes geëxtraheerd. Tabellen, kolommen, kopteksten en decoratieve indelingen kunnen als één doorlopende tekst verschijnen, omdat pdf's gepositioneerde tekst opslaan in plaats van de oorspronkelijke bewerkingsstructuur. Bekijk het voorbeeld voordat u op het TXT-bestand vertrouwt.

Download het resultaat zodra het klaar is en open het in uw gebruikelijke pdf-lezer voor een laatste controle. Daarna kunt u met Gegevens wissen de tijdelijke bestandsverwijzingen uit dit browsertabblad vrijgeven. PDFolio maakt geen account, cloudmap of documentgeschiedenis op een server aan.

tekst uit PDF halen privé en lokaal

PDFolio verwerkt de geselecteerde bestanden in het actieve browsertabblad. Een Web Worker op uw apparaat voert de pdf-taak uit zodat de interface responsief blijft; de documentbytes worden niet naar een pdf-verwerkingsserver, uploadwachtrij, accountdatabase of advertentieplatform gestuurd.