PDF naar TXT converteren
Sla de tekst van een PDF op als .txt-bestand dat elke editor, elk script en elke zoektool kan openen. Of die tekst foutloos wordt, hangt van één ding in uw PDF af: een echte tekstlaag, of alleen afbeeldingen van pagina's.
PDF-converter
of sleep PDF-bestanden hierheen ·
Max. 95 MB per bestand· Tot 20 bestanden· Verwijderd na 30 minuten
Bestanden worden op onze servers verwerkt en na 30 minuten verwijderd.
Gescande PDF's zijn afbeeldingen van pagina's. Automatisch voert OCR alleen uit op pagina's zonder tekstlaag; Altijd dwingt dit af voor elke pagina.
De taal waarin de scan is gedrukt. De juiste taal kiezen verbetert merkbaar de nauwkeurigheid bij accenten en niet-Latijnse schriften.
Doorlopende tekst wordt herschikt in gewone alinea's die makkelijk te bewerken zijn. Exacte opmaak plaatst elk blok waar het stond, wat er identiek uitziet maar moeilijker te bewerken is.
Waar herkende tabellen in de werkmap terechtkomen.
Paginanummers of bereiken, gescheiden door komma's, bijvoorbeeld 1-3, 5, 8-10.
Zo gebruikt u deze tool
- 1
Voeg uw PDF-bestanden toe
Kies één pdf of maximaal 20 tegelijk, elk tot 95 MB. Getypte, geëxporteerde en gescande documenten mogen in dezelfde batch.
- 2
Controleer de scaninstellingen
Converteren naar staat al op Platte tekst. Is het document een scan in een andere taal dan Engels, open dan Geavanceerde instellingen en kies de taal onder Taal van het document.
- 3
Converteer en sla op
Klik op Converteren naar Platte tekst en download elk .txt-bestand, of alles samen als ZIP.
Kun je in je PDF-viewer één woord selecteren, dan zit de tekst al in het bestand en is de TXT-kopie exact; wordt de hele pagina als een foto gemarkeerd, dan moet OCR de tekst eerst lezen.
PDF naar tekst omzetten: tekstlaag of gescande pagina
Een PDF die is geëxporteerd uit Word, Google Docs of een browser slaat tekens op met hun posities, dus om ze eruit te halen moeten ze in een zinvolle volgorde worden gelezen. Een PDF van een scanner of telefooncamera bevat alleen een afbeelding van elke pagina, en de tekst moet worden herkend. Veel kantoor-PDF's combineren beide: een getypte brief met een gescande handtekeningpagina aan het eind.
Tekstherkenning (OCR) bepaalt hoe elke pagina wordt behandeld. De drie onderstaande instellingen werken verschillend op die soorten bestanden, en Auto is voor de meeste goed.
Pagina's die al een tekstlaag hebben, worden ongewijzigd gekopieerd; pagina's zonder tekstlaag worden herkend in de gekozen Taal van het document.
- Het best voor gemengde bestanden
- Geen nauwkeurigheidsverlies bij digitale pagina's
Elke pagina wordt herkend vanaf de afbeelding, ook als er tekst in zit. Gebruik dit als de bestaande tekstlaag kapot is of vol staat met plaatsvervangende symbolen.
- Herstelt PDF's met niet-gekoppelde lettertypen
- Trager bij lange bestanden
Alleen de bestaande tekstlaag wordt gelezen. Gescande pagina's blijven leeg, handig als je wilt weten welke pagina's scans waren.
- Snelst
- Alleen digitale PDF's
Onleesbare tekens in de uitvoer van een PDF-naar-tekstconverter
In een PDF is tekst een lijst glyphcodes voor een bepaald lettertype, geen letters. Een goed gemaakt bestand bevat een ToUnicode-tabel die aangeeft welke code welk teken is. Bestanden van sommige oudere printerdrivers en eigen rapportgeneratoren laten die tabel weg, waardoor kopiëren uit zulke bestanden onzin oplevert terwijl de pagina er perfect uitziet. OCR forceren is de betrouwbare oplossing, en gescande PDF naar tekst behandelt de scaninstellingen uitgebreid.
De TXT zelf is UTF-8, dus letters met accenten, Cyrillisch, Arabisch, Devanagari en CJK-tekens blijven behouden. Schriften die van rechts naar links lopen, worden in leesvolgorde opgeslagen, wat editors en zoekmachines verwachten.
Regeleinden, afbreekstreepjes, kolommen en kopteksten in de TXT
Regeleinden
Een PDF kent regels, geen alinea's. Regels worden samengevoegd waar de witruimte op een alinea wijst, maar gedichten, adressen en codelistings vragen soms om een handmatige controle.
Afbreking
Een woord dat aan het regeleinde is gesplitst als "conver-" en "sie" wordt meestal weer samengevoegd. Een echt koppelteken aan het regeleinde, zoals in "zo-even", kan zijn koppelteken verliezen, zoek er dus naar als de exacte formulering telt.
Kolommen
Tijdschriften met twee kolommen worden kolom voor kolom gelezen. Drukke opmaak met kaders of citaten kan een zijbalk tussen twee alinea's plaatsen.
Kop- en voetteksten
Lopende titels, paginanummers en vertrouwelijkheidsregels herhalen zich op elke pagina en komen in de TXT tussen de pagina's terecht. Zoeken en vervangen op de herhaalde regel verwijdert ze in één keer.
Portable Document Format
PDF is in 1993 door Adobe ontwikkeld en werd in 2008 de open ISO 32000-standaard. Het legt tekst, lettertypen, afbeeldingen en opmaak vast, zodat een document op elk scherm en elke printer er hetzelfde uitziet. PDF's kunnen formulieren, handtekeningen, links, bijlagen en doorzoekbare tekst bevatten, en de variant PDF/A wordt gebruikt voor langetermijnarchivering. Door de vaste opmaak zijn PDF's lastig te bewerken, en gescande PDF's bevatten alleen afbeeldingen, tenzij OCR is toegepast. Elke browser en elk besturingssysteem kan ze openen.
- Compressie
- –
- Transparantie
- Ja
- Animatie
- Nee
- Geïntroduceerd
- 1993 · Adobe
TXT
Platte tekst
Een TXT-bestand bevat alleen gewone tekens, zonder opmaak, lettertypen, afbeeldingen of lay-out. Moderne tekstbestanden zijn meestal gecodeerd in UTF-8, dat alle talen dekt, al kunnen oudere bestanden een andere codering gebruiken en onleesbare tekens tonen. Platte tekst is piepklein, veroudert nooit en opent op elk apparaat, van telefoon tot server. Het kan geen vetgedrukte tekst, tabellen of afbeeldingen bevatten, dus structuur moet worden uitgedrukt met witruimte of eenvoudige opmaaktaal.
- Compressie
- –
- Transparantie
- –
- Animatie
- –
- Geïntroduceerd
- –
Een .txt-bestand is de kleinste gemene deler: datapijplijnen, zoekindexen, ondertitel- en vertaaltools en gewone e-mail accepteren het allemaal, terwijl een PDF eerst een parser nodig heeft voordat iets de woorden kan lezen.
PDF gratis naar tekst omzetten: bestanden, groottes en talen
- PDF's per batch
- 20
- per PDF
- 95 MB
- OCR-talen
- 34
- tot bestanden worden verwijderd
- 30 min
Vragen over PDF naar TXT
Hoe zet ik een PDF gratis om naar tekst zonder iets te installeren?
Upload de PDF op deze pagina en klik op Converteren naar Platte tekst. Je hebt geen account en geen software nodig; de conversie draait op onze servers en de bestanden worden 30 minuten later verwijderd, zoals uitgelegd bij hoe het werkt.
Waarom staan er in mijn TXT-bestand symbolen als (cid:42) of vakjes in plaats van letters?
De PDF gebruikt een lettertype zonder tabel die de tekens terugkoppelt aan Unicode-tekens. De vormen worden dus goed afgedrukt, maar hebben geen letterbetekenis. Zet Tekstherkenning (OCR) op Altijd: OCR leest de vormen als afbeelding en herstelt meestal de echte woorden.
Kan ik maar een deel van de pagina's van een PDF naar tekst omzetten?
Ja. Zet Te converteren pagina's op Geselecteerde pagina's en typ een bereik zoals 3-7, 12. Alleen die pagina's worden gelezen, wat ook lange gescande bestanden sneller maakt.
Waarom zien de lettercombinaties fi en fl er na de conversie vreemd uit?
Veel lettertypen tekenen fi, fl en ffi als één samengesteld teken, een ligatuur. De meeste PDF's koppelen dat terug naar losse letters, maar sommige naar één Unicode-teken, zoals U+FB01. Dat ziet er op het scherm goed uit, maar verstoort het zoeken naar de gewone letters. Zoeken en vervangen in je editor lost het op.
Blijven de paginascheidingen in het TXT-bestand behouden?
De pagina's volgen elkaar op in één bestand, dus je krijgt geen apart bestand per pagina. Heb je één tekstbestand per pagina nodig, converteer de pagina's dan in aparte runs met Te converteren pagina's.
- PDF naar tekst converterenHaal de tekst uit elke PDF als schoon UTF-8-tekstbestand. Scans worden met OCR gelezen, paginabereik is optioneel en alleen de tekst blijft over.
- Gescande PDF naar tekst omzettenHaal tekst uit een gescande PDF waarin u niets kunt selecteren of zoeken. OCR leest elke pagina en levert platte tekst, optioneel per paginabereik.
- PDF naar Markdown converterenPDF omzetten naar een .md-bestand in Markdown met koppen, lijsten, links en pipe-tabellen. OCR voor scans. Voor Obsidian, Notion en LLM-pipelines.
- PDF naar Word converterenZet PDF om naar Word dat u echt kunt bewerken. Tekst loopt door in alinea's, scans gaan door OCR in 34 talen, tot 20 bestanden tegelijk.
- OCR PDFVoeg een doorzoekbare tekstlaag toe aan gescande PDF's of haal de tekst eruit naar Word of TXT. 34 talen, paginabereik, 20 bestanden tegelijk, gratis.
- EPUB naar TXT converterenHaal de tekst uit een EPUB zonder DRM naar een .txt-bestand om te zoeken, woorden te tellen of voor te lezen. Alinea's blijven, opmaak verdwijnt.