Haal de tekstlaag van een PDF eruit als een eenvoudig .txt-bestand, om te kopieren, hergebruiken of doorzoeken. Lokaal, zonder upload.
Verwerkt lokaal op je apparaat ...
0%
Je bestanden hebben je apparaat nooit verlaten
Nee. Alles draait in je browser - je bestand verlaat je apparaat nooit. Zo is dat verifieerbaar
Soms heb je alleen de pure tekst uit een PDF nodig: een citaat in een document overnemen, een contract in de editor plakken, inhoud indexeren voor een zoekopdracht of een archief, of tekst doorgeven aan een schermlezer. Deze tool leest de in de PDF ingebedde tekstlaag uit en geeft die terug als een eenvoudig .txt-bestand, zonder lettertypen, afbeeldingen, kleuren of opmaak, alleen de tekens.
De volgorde wordt pagina voor pagina opnieuw opgebouwd: tekststukken op dezelfde hoogte vormen een regel, gelezen van boven naar onder en van links naar rechts. Je kunt kiezen hoe pagina's worden gescheiden: met een lege regel (standaard), met een klassieke paginadoorvoer voor teksteditors en printers, of helemaal niet voor een doorlopende tekst. Zo past de uitvoer bij je volgende stap, of dat nu bewerken, importeren of full-text zoeken is.
Belangrijk en eerlijk gezegd: deze tool haalt alleen tekst eruit die al als tekstlaag in de PDF zit. Een gescande of louter uit foto's bestaande PDF heeft zo'n laag niet; daar blijft de uitvoer leeg en heb je in plaats daarvan de tekstherkenning PDF OCR nodig, die uit de pixels letters herkent. Ook complexe opmaak met meerdere kolommen, tabellen of voetnoten laat zich niet altijd perfect in een lineaire tekstvolgorde brengen. Maar voor normale, echte PDF's (gemaakt door kantoorprogramma's, browsers of zetsystemen) levert de extractie nette, herbruikbare tekst. Alles draait lokaal in de browser via pdf.js; je bestand verlaat je apparaat niet.
| Invoerformaten | |
|---|---|
| Uitvoerformaat | TXT |
| Batchverwerking | Nee |
| Verwerking | Lokaal in de browser (JavaScript) |
| Bestandsupload | Geen |
Beperkingen: Haalt de bestaande tekstlaag van een PDF eruit en geeft die terug als .txt-bestand in UTF-8; regels worden uit de tekstposities opnieuw opgebouwd. Gescande of louter-beeld-PDF's hebben geen tekstlaag, daar blijft de uitvoer leeg: gebruik dan PDF OCR. Lettertypen, afbeeldingen, kleuren en de exacte opmaak (pagina's met meerdere kolommen, tabellen) gaan verloren of worden alleen lineair benaderd. Ontgrendel met een wachtwoord beveiligde PDF's eerst met PDF ontgrendelen.
Waarschijnlijk is je PDF een scan of bestaat hij uit afbeeldingen en heeft hij geen tekstlaag. Gebruik dan PDF OCR, dat tekst uit de pixels herkent.
Nee. Je krijgt pure tekst in leesvolgorde. Lettertypen, afbeeldingen, kolommen en tabellen worden niet getrouw weergegeven.
In UTF-8, zodat ook accenten en speciale tekens correct behouden blijven.
Naar keuze: met een lege regel (standaard), een paginadoorvoer of helemaal niet voor een doorlopende tekst.
Nee, de tekstextractie gebeurt volledig lokaal in de browser.