PDF naar tekst

De PDF is waarschijnlijk een scan of een foto, die geen tekstlaag heeft om te extraheren. Haal hem eerst door OCR PDF; die tool voegt een tekstlaag toe en biedt ook direct een .txt-download aan.

Tekst wordt van links naar rechts en van boven naar beneden gelezen, volgens de interne structuur van de PDF, wat klopt voor de meeste documenten met één kolom. Indelingen met meerdere kolommen, zijbalken en tabellen kunnen door elkaar komen te staan, en kop- en voetteksten en paginanummers worden meegenomen met al het andere op de pagina.

Nee. De uitvoer is platte UTF-8-tekst, dus letters met accenten, Cyrillisch, CJK en Arabisch blijven behouden, maar vet, koppen, links en afbeeldingen niet, en regeleinden volgen de regels van de PDF in plaats van alinea's. Voor koppen en lijsten als Markdown gebruik je PDF naar Markdown.

Ja. Voeg zoveel PDF's toe als je wilt en klik één keer op Extraheren; elke PDF wordt een eigen .txt-bestand met de naam van de bron, en ze worden samen gedownload als pdf-to-text.zip. Een enkele PDF wordt direct gedownload als bestandsnaam.txt.

Pagina's volgen elkaar op met een regeleinde ertussen. Er zijn geen paginamarkeringen of pagina-einden, dus het bestand leest als één doorlopende tekststroom.

Nee, deze tool extraheert altijd elke pagina. Haal de pagina's die je nodig hebt eerst in een aparte PDF met Pagina's extraheren en converteer dan dat bestand.

Als een PDF om een wachtwoord vraagt bij het openen, vraagt de tool je om dat wachtwoord voordat de tekst wordt geëxtraheerd. Zonder het wachtwoord kan de tekst niet worden gelezen.

Nee. De extractie draait in een PDF-engine die als WebAssembly in je browser is geladen, dus contracten, medische dossiers en al het andere blijven van begin tot eind op je apparaat.