Wat deze converter extraheert
Een PDF kan selecteerbare tekst, afbeeldingen, paden, ingebedde lettertypen en gepositioneerde fragmenten bevatten. Deze tool leest de bestaande tekstlaag en groepeert het resultaat per pagina. Pixels worden niet onderzocht en het document wordt niet naar een OCR-dienst verstuurd.
Als je woorden in een gewone PDF-lezer kunt selecteren, is de tekst meestal extraheerbaar. Een gefotografeerde of gescande pagina bevat vaak alleen een afbeelding; een leeg resultaat is dan te verwachten tenzij de bron al een verborgen OCR-tekstlaag heeft.
Stap voor stap
Kies één PDF en wacht op het aantal pagina's. Behoud all of voer een losse pagina, bereik of combinatie zoals 2-4,8 in. Kies Tekst extraheren. De echte paginatekst verschijnt eerst onder Resultaat, gevolgd door aantallen pagina's en tekens.
Controleer regeleinden, koppen, woordafbreking en leesvolgorde. Gebruik Alle tekst kopiëren voor snelle overdracht of TXT downloaden voor een UTF-8-bestand. Een gewijzigde paginaselectie of ander bestand wist het bevestigde resultaat en schakelt de oude kopie uit.
Voorbeelden en leesvolgorde
Voor een rapport van vijf pagina's levert 1,3-4 drie gelabelde delen in één TXT-bestand op. Een onderzoeksartikel met twee kolommen kan een regel links en daarna rechts extraheren, omdat PDF-tekst posities opslaat en geen semantische artikelstructuur.
Een gegenereerde factuur levert meestal labels en waarden op, maar een tabel behoudt mogelijk geen zichtbare celranden of kolommen. De tool behoudt paginagrenzen en expliciete regeleinden als de PDF die biedt; niet elke alinea, tabel of kop kan betrouwbaar worden gereconstrueerd.
Nuttige toepassingen
Gebruik het resultaat om je eigen document te citeren, notities te indexeren, toegankelijkheid te controleren, tekst naar een editor over te brengen of snel tekst te vinden. Vergelijk belangrijke passages met de PDF voordat je ze publiceert of indient.
Tekst kopiëren reproduceert geen lettertypen, koppelingen, afbeeldingen, annotaties, formulieren, paginageometrie of indeling. TXT is gewone Unicode-tekst die gangbare editors kunnen openen. De oorspronkelijke PDF blijft ongewijzigd.
Beperkingen en problemen oplossen
Versleutelde, beschadigde en ongebruikelijke PDF's kunnen mislukken. Ingebedde tekenkaarten kunnen ook ontbrekende of verkeerde symbolen opleveren. Als slechts één pagina problemen geeft, extraheer dan een kleiner bereik en vergelijk met de bron.
Dit is geen OCR en de pagina belooft geen herkenning van scans, handschrift of foto's. Gebruik daarvoor een afzonderlijk beoordeelde OCR-tool. De gekozen PDF wordt in dit tabblad verwerkt en weggegooid wanneer de pagina wordt gesloten of vernieuwd.
Veelgestelde vragen
Waarom is het resultaat leeg? De pagina bevat mogelijk alleen een afbeelding. Waarom klopt de volgorde niet? PDF's kunnen woorden op coördinaten plaatsen zonder logische leesvolgorde. Waarom verdwijnen kolommen? TXT heeft geen tabelindeling. Kan ik pagina's kiezen? Ja, met all, bereiken en kommagescheiden selecties. Bevat kopiëren paginalabels? Ja, zodat grenzen zichtbaar blijven.