PDF naar Tekst (OCR)
Tekst herkennen in scans en opslaan als TXT, Markdown of Word
Zet een gescande PDF om naar bewerkbare tekst met OCR. Kies het hele document of bepaalde pagina's, lees het resultaat na en download TXT, Markdown of Word. De herkenning gebruikt externe AI-diensten; je oorspronkelijke PDF krijgt geen nieuwe tekstlaag.
Kosten: Er zijn gratis opties beschikbaar. Pro-opties of gebruik boven het gratis tegoed kunnen credits vereisen; zie de handleiding hieronder.
Van scannen naar tekst: zo verwerk je een PDF
Upload één PDF
Klik op PDF kiezen of sleep een PDF van maximaal 200 MB naar de preview. Eerder gebruikte PDF's vind je in Uploads. Eén opdracht verwerkt één document.
Kies de gewenste pagina's
Blader door de preview. De teller, bijvoorbeeld
4 / 12, geeft de positie in het bestand aan. Vul zulke posities in bij Pages (optional), bijvoorbeeld1-3,7. Laat het vak leeg om alle pagina's te herkennen.Stel de documenttaal in
Documenttaal begint op Auto-detect. Dat is ook het uitgangspunt voor Nederlandse tekst of pagina's met meerdere talen. Een expliciete taalkeuze geeft de andere herkenningsdienst een aanwijzing over de tekens.
Kies tekst of Markdown
Uitvoerformaat staat op Plain Text (.txt). Kies Markdown (.md) als koppen, lijsten en tabellen als tekststructuur herkenbaar moeten blijven.
Controleer de eenheden en start
Onder de instellingen staat bijvoorbeeld
Geselecteerde pagina's 12/12 · eenheden 2. Klik op Extract text en laat de pagina open tot het resultaat verschijnt. Een opdracht heeft maximaal 30 minuten verwerkingstijd.Lees na en download
Controleer het paneel Extracted text. Met Kopiëren kopieer je de tekst. Download text bewaart
pdf-ocr.txtofpdf-ocr.mdin UTF-8; DOCX geeft een bewerkbaar Word-document. De resultaten worden ook in de gedeelde bestandsbeheerder opgeslagen.
Documenttaal, uitvoer en paginakeuze
Onder Instellingen staan drie opties. Je bron-PDF wordt daarmee niet gewijzigd.
- Documenttaal: Auto-detect
- De standaardkeuze gebruikt GLM-OCR van Z.ai. Deze OCR-dienst herkent taal en schrift automatisch en ontvangt geen handmatige taalaanwijzing. Je kunt deze keuze gebruiken voor documenten waarin talen door elkaar voorkomen.
- Documenttaal: een expliciete keuze
- De zichtbare keuzes zijn English, German, Spanish, French, Italian, Portuguese, Russian, Japanese, Chinese, Arabic en Hindi. Dan verwerkt Google Gemini de pagina's met taal, schrift en leesrichting als aanwijzing. Dat helpt bij dubbelzinnige tekens, bijvoorbeeld gedeelde Han-tekens of rechts-naar-links geschreven Arabisch. Passages in andere talen worden niet vertaald.
- Uitvoerformaat: Plain Text (.txt)
- Levert tekst met regel- en alineascheidingen zonder Markdown-opmaak. Opsommingen krijgen regels met
-. Herkende tabellen worden rijen met tabs tussen cellen, bruikbaar om in een spreadsheet te plakken. Controleer daarna de kolommen. Geschikt voor tekst die je in een e-mail, formulier of zoekindex wilt gebruiken. - Uitvoerformaat: Markdown (.md)
- Bewaart herkende structuur als markup, zoals
#voor koppen, lijsten, nadruk en tabellen. Gebruik een Markdown-editor, notitieprogramma of wiki om die opmaak weer te geven. Een gewone teksteditor toont de tekens van de markup zelf. - Pages (optional)
- Leeg betekent alle pagina's. Gebruik afzonderlijke posities en gesloten bereiken met komma's ertussen, zoals
5-10of1-3,7. Alleen de gekozen pagina's worden herkend en meegeteld. De nummers verwijzen naar posities in de PDF, niet naar gedrukte paginanummers. Verwerking volgt de documentvolgorde; dubbele nummers tellen één keer. Schrijf beide uiteinden, bijvoorbeeld5-40. Een positie buiten het document wordt vóór verwerking afgewezen.
Hoe OCR-eenheden worden geteld
Eén OCR-eenheid dekt maximaal 10 geselecteerde pagina's. Iedere opdracht rondt naar boven af: 1 pagina of 10 pagina's gebruiken beide 1 eenheid, 11 pagina's gebruiken er 2 en 37 pagina's gebruiken er 4. De selectie 1-3,7 bestaat uit 4 pagina's en gebruikt 1 eenheid.
De afronding geldt per opdracht. Een rapport van 60 pagina's kost 6 eenheden, ook wanneer je het verdeelt in 1-20, 21-40 en 41-60. Maar twee opdrachten voor 1-5 en 6-10 kosten samen 2 eenheden in plaats van 1. Splits bij voorkeur op veelvouden van 10 als je een lang document in delen wilt nalezen.
Gebruik wordt per account bijgehouden, of per IP-adres voor gasten, over voortschrijdende vensters van 1 uur en 24 uur. Het kleinste resterende tegoed bepaalt de gratis eenheden. Ingelogde gebruikers kunnen boven dat tegoed 1 credit per extra eenheid gebruiken. Zonder genoeg tegoed of credits kun je minder pagina's selecteren of wachten totdat eerder gebruik buiten de vensters valt.
Scans voorbereiden en OCR-tekst controleren
Leesbare pagina-afbeeldingen geven de herkenningsdienst een beter uitgangspunt. Controleer de uitkomst altijd tegen de bron.
Maak kleine letters leesbaar
Voor het scannen van gedrukte tekst is 300 dpi een bruikbaar startpunt. Controleer of kleine letters scherp zijn. Dit is advies voor het maken van de scan, geen verplichte instelling van deze tool of belofte over herkenningsnauwkeurigheid. Vage scans en faxen kunnen kleine tekens moeilijk onderscheidbaar maken.
Zet pagina's rechtop
Zorg dat regels recht en leesbaar staan. Gebruik PDF draaien voor pagina's die op hun kant of ondersteboven zijn gescand, voordat je de tekst laat herkennen.
Alleen de hoofdlijnen nodig?
Met PDF samenvatten krijg je een beknopte weergave van een lang document in plaats van een transcriptie van de tekst.
Bestanden en grenzen
- Invoer
- PDF, gescand of digitaal
- Uitvoer
- Platte tekst (.txt) of Markdown (.md) in UTF-8, Word (.docx) en kopiëren naar het klembord
- Maximale bestandsgrootte
- 200 MB per PDF
- Bestanden per opdracht
- 1 PDF, alle pagina's of een selectie
- Verbruik
- 1 OCR-eenheid per 10 geselecteerde pagina's, per opdracht naar boven afgerond
- Verwerking
- Op onze servers met herkenning door GLM-OCR van Z.ai of Google Gemini. Maximaal 30 minuten verwerkingstijd per opdracht.
- Watermerk
- Er wordt geen watermerk toegevoegd.
- Bewaartermijn
- Uploads en resultaten worden na 48 uur voor gasten en na 30 dagen voor gratis accounts automatisch verwijderd. Betaalde abonnementen kunnen bestanden langer bewaren.
Veelgestelde vragen
Maakt OCR mijn PDF doorzoekbaar?
Nee. De tool haalt de tekst uit het document en geeft die als TXT, Markdown of Word terug. De PDF zelf krijgt geen tekstlaag. Bewaar het origineel voor de oorspronkelijke pagina-indeling.
Kan ik gratis tekst herkennen in een PDF?
Ja, binnen het beschikbare gratis tegoed aan OCR-eenheden en zonder watermerk. Voor elke begonnen groep van 10 geselecteerde pagina's gebruikt een opdracht 1 eenheid. Het aantal staat vóór Extract text in beeld. Boven het tegoed kun je minder pagina's kiezen, wachten of inloggen en 1 credit per extra eenheid gebruiken.
Waarom zijn bepaalde woorden of cijfers verkeerd herkend?
Vage, scheve of contrastarme scans kunnen herkenningsfouten opleveren, bijvoorbeeld tussen 0 en O, 1 en l, of rn en m. Controleer namen, bedragen, datums en referentienummers tegen de preview. Wisselen tussen Auto-detect en een expliciete Documenttaal verandert de dienst tussen GLM-OCR en Gemini. Een andere expliciete taal blijft Gemini gebruiken. Elke nieuwe opdracht gebruikt opnieuw eenheden.
Ontvangt een externe partij mijn PDF?
Ja. Onze server stuurt de PDF voor herkenning naar Z.ai bij Auto-detect, of naar Google Gemini bij een expliciete documenttaal. Bij een Gemini-quotum of verzoeklimiet gaat dezelfde herkenningsopdracht via OpenRouter. De genoemde bewaartermijn geldt voor onze opslag; die beschrijft niet het opslagbeleid van deze externe providers.
Wordt de herkende tekst vertaald?
Nee. Tekst wordt in de oorspronkelijke taal uitgelezen. Documenttaal geeft alleen een herkenningsaanwijzing voor dubbelzinnige tekens; passages in andere talen blijven in hun oorspronkelijke taal.
Waarom kan een OCR-opdracht mislukken?
Voor herkenning moet de server het aantal pagina's kunnen lezen. Vraagt de PDF bij openen om een wachtwoord, gebruik dan eerst PDF ontgrendelen. Bevat de selectie geen leesbare tekst, bijvoorbeeld alleen lege pagina's, dan eindigt de opdracht met een melding dat geen tekst is uitgelezen.