Tekst uit een PDF halen (gratis en zonder uploaden)

Een PDF is een foto van een document: hij ziet er overal identiek uit, maar de tekst erin is lastig te hergebruiken. Als u ooit tekst uit een PDF heeft gekopieerd en gebroken regels of onleesbare tekens kreeg, kent u het probleem. Het correct extraheren van de tekst maakt de inhoud weer bruikbaar, voor notities, voor een samenvatting of om er een bewerkbaar document van te maken.

Waarom een PDF lastig te hergebruiken is

PDF is ontworpen om lay-out te behouden, niet om bewerkt te worden. De tekst is verdeeld in regels en op de pagina gepositioneerd, dus een naïeve kopie kan de volgorde verliezen, kolommen mengen of paginanummers bevatten. Een correcte extractie leest de tekstlaag, respecteert de leesvolgorde en levert schone inhoud op.

Wat u met de geëxtraheerde tekst kunt doen

• Notities en samenvattingen. Neem de belangrijkste alinea's over in een notitie-app in plaats van een PDF van 40 pagina's open te houden.
• Opnieuw publiceren. Converteer de PDF naar Markdown en plak het in een wiki, blog of CMS.
• Andere tools voeden. Taalmodellen, vertalers en samenvatters werken veel beter met schone tekst dan met een gekopieerde PDF.
• Toegankelijkheid en zoeken. Platte tekst is doorzoekbaar, licht en leesbaar voor elke schermlezer.

Welke uitvoer moet u kiezen?

Dat hangt af van wat u ermee doet:

• PDF naar TXT behoudt de ruwe tekst, ideaal als u alleen de woorden nodig hebt.
• PDF naar Markdown behoudt koppen, lijsten en links als structuur, het beste als het document moet blijven bestaan.
• PDF naar HTML levert een opgemaakt, zelfstandig document op dat u direct kunt openen of publiceren.

Doe het lokaal, niet in de cloud

Op Azpy gebeurt PDF-tekstextractie in uw browser met WebAssembly. De PDF verlaat nooit uw apparaat, belangrijk als het document iets gevoeligs bevat, zoals een factuur, een contract of een intern rapport. Open PDF naar Markdown, zet het bestand neer en download het resultaat.

Een opmerking: extractie werkt op op tekst gebaseerde PDF's. Is uw PDF een scan die uit afbeeldingen bestaat, dan heeft u OCR nodig, lees de pagina's eerst met een scantool en converteer daarna.