PDF met tekst of een scan?
Een PDF kan op twee manieren aan zijn tekst komen. Is hij gemaakt in een programma, bijvoorbeeld een tekstverwerker, dan bevat hij echte tekst. Die kun je selecteren en kopiëren. Is hij gemaakt door een scanner of camera, dan bestaat elke pagina uit een afbeelding van het papier. Je ziet tekst, maar het bestand bevat geen tekens. Probeer het zelf: lukt het niet om een woord te selecteren in een PDF-lezer, dan is het meestal een scan.
Tekst eruit halen
- Open PDF naar tekst en sleep je PDF in het vak.
- Klik op Haal de tekst eruit.
- Download het tekstbestand, of kopieer de tekst.
Het resultaat is platte tekst, zonder opmaak, afbeeldingen of tabellen. Bij meerdere pagina's staat boven elke pagina een regel met het paginanummer.
Wat gaat er vaak mis?
- Kolommen: bij een pagina met twee kolommen kan de tekst door elkaar komen, afhankelijk van hoe het bestand is opgebouwd.
- Tabellen: de cellen komen achter elkaar op één regel terug.
- Koppen en lijsten: die komen terug als gewone regels.
- Afbreekstreepjes: woorden die aan het einde van de regel zijn afgebroken, blijven afgebroken.
En bij een scan?
Heeft de tool weinig tekst gevonden, dan is de PDF waarschijnlijk een scan. Voor het herkennen van tekst in afbeeldingen is tekstherkenning (OCR) nodig. Veel scanners en scan-apps kunnen dat meteen bij het scannen, waarna de PDF wel doorzoekbaar is. Meer over scannen lees je in scan-instellingen voor een kleine PDF.
Een andere weg: de pagina als afbeelding
Heb je de tekst niet nodig maar wel een plaatje van de pagina, bijvoorbeeld voor een presentatie? Gebruik dan PDF naar JPG. Zie ook een PDF omzetten naar een afbeelding.