Selecteerbare PDF-tekst is anders dan een gescande pagina
Sommige PDF's bewaren echte tekencodes en koppelingen met glyphs. Andere bevatten alleen foto's van pagina's en hebben geen doorzoekbare tekst totdat optische tekenherkenning (OCR) wordt toegepast.
Deze tool bewaart alleen de ingebedde tekst die hij kan lezen. Lettertypen, kolommen, tabellen, diagrammen en de oorspronkelijke pagina-opmaak worden niet opnieuw opgebouwd als tekstverwerkingsdocument.
Controleer de geëxtraheerde inhoud
Complexe PDF's kunnen tekens in een andere volgorde bewaren dan waarin je ze leest. Als namen of kolommen door elkaar lopen, gebruik dan een extractiemethode die de opmaak begrijpt of passende OCR.
- Open een PDF en controleer of de tekst op de pagina selecteerbaar is.
- Kies bij PDF converteren de export van alle pagina's naar TXT.
- Open het bestand en controleer regeleinden, tekens en leesvolgorde. Herstel fouten eventueel in een teksteditor.
- Een TXT-bestand behoudt geen handtekeningen, afbeeldingen, lettertypen of PDF-pagina-indeling.