Gescande PDF naar tekst
In een scan is elke pagina een afbeelding van het papier: er is geen tekst om te kopiëren. Tekstherkenning (OCR) leest de letters op je eigen apparaat en geeft je de tekst in een .txt-bestand, plus een PDF waarin je nu wel kunt zoeken.
Verwerkt op je eigen apparaatEr gaat niets naar een server
Sleep een of meer PDF’s hierheen
PDF-bestanden
Bestanden worden op je apparaat geopend en nooit geüpload.
Zo werkt het
Kies de scan
Sleep de gescande PDF (of een foto van een document die als PDF is opgeslagen) naar het werkvlak, of gebruik de knop.
Controleer de taal
Nederlands, de taal van deze pagina, staat al aangevinkt; vink ook de andere talen aan die in het document voorkomen. De eerste keer downloadt MovaDoc de herkenningsbestanden: ongeveer 3 MB per taal.
Download de tekst
Je ziet het begin van de herkende tekst op het scherm. Klik op “Tekst downloaden” voor de volledige tekst, of download de doorzoekbare PDF.
Veelgestelde vragen
Waarom kan ik de tekst uit mijn PDF niet kopiëren?
Omdat het een scan is: elke pagina is een afbeelding van het papier, zonder opgeslagen letters, en je PDF-lezer ziet alleen een foto. OCR herkent de letters in die afbeelding en maakt er tekst van die je kunt kopiëren, bewerken en doorzoeken.
Behoudt de tekst de opmaak van het document?
Nee. Het .txt-bestand bevat alleen de tekst, regel voor regel, met een lege regel tussen de alinea’s: geen lettertypen, vet, afbeeldingen of tabelranden. Wil je een Word-document dat je kunt bewerken, met koppen, lijsten en tabellen, gebruik dan “PDF naar Word”, dat ook gescande pagina’s herkent.
Werkt het met foto’s van documenten en met handschrift?
Met foto’s die als PDF zijn opgeslagen wel, als ze scherp en recht zijn: hoe beter de foto, hoe minder fouten. Is de foto een JPG of PNG, zet hem dan eerst in een PDF met “Afbeeldingen naar PDF”. Handschrift wordt niet herkend: de herkenningsbestanden werken alleen voor gedrukte tekst.
Kan ik de tekst uit meerdere PDF’s tegelijk halen?
Ja, in twee stappen. Met meerdere PDF’s krijg je een ZIP met de doorzoekbare PDF’s (zonder .txt-bestanden). Kies daarna “Verder met…” → “PDF naar tekst”: die tool verwerkt ook meerdere bestanden tegelijk en geeft je een .txt per PDF.
Wordt mijn document ergens naartoe gestuurd om het te lezen?
Nee. De herkenning draait in je browser, met de Tesseract-engine. De eerste keer downloadt MovaDoc de engine en de taalbestanden van de eigen website; daarna werkt het zelfs zonder internet. Je PDF en de herkende tekst verlaten je apparaat nooit.