Hoe tekst uit een PDF kopieer je

Waarom is tekst uit PDF's kopiëren zo moeilijk?

PDF's zijn ontworpen voor printen, niet voor bewerken. In tegenstelling tot een Word-document waar tekst als een doorlopende stroom loopt, slaat een PDF elk karakter op met exacte x/y-coördinaten op de pagina — als een lay-outblauwdruk. Wanneer je probeert te selecteren en kopiëren, moet je PDF-viewer reverse-engineeren welke karakters woorden vormen, welke woorden regels vormen en welke regels alinea's vormen. Het raadt het vaak verkeerd.

Dit wordt erger bij lay-outs met meerdere kolommen (tekst uit kolom A wordt gemengd met kolom B), tabellen (cellen plakken als een warboel) en kop- en voetteksten (ze worden midden in een alinea geplaatst). En dat is ervan uitgaande dat de PDF überhaupt selecteerbare tekst heeft — gescande documenten zijn slechts afbeeldingen, dus er is niets om te selecteren.

De methode die je moet gebruiken hangt af van wat voor soort PDF je hebt. Hier zijn 4 benaderingen, van eenvoudigst tot krachtigst.

Methode 1: Selecteer en kopieer in je PDF-viewer of browser (eenvoudigst)

Begin hier — het is de snelste methode en vereist geen extra tools. Open de PDF in een willekeurige viewer: Adobe Acrobat Reader (gratis), Preview op Mac, of sleep de PDF simpelweg naar Chrome, Edge of Firefox. Alle moderne browsers hebben ingebouwde PDF-viewers die tekstselectie ondersteunen.

Klik en sleep om de gewenste tekst te markeren, druk dan op Ctrl+C (Windows/Linux) of Cmd+C (Mac). Plak in elke teksteditor, e-mail of document.

Pro-tip: In Adobe Acrobat Reader, gebruik Bewerken → Alles selecteren (Ctrl+A / Cmd+A) om alle tekst op de huidige pagina te selecteren. In Chrome kun je ook Ctrl+F gebruiken om binnen de PDF te zoeken en vervolgens de gemarkeerde resultaten te kopiëren.

Wanneer dit werkt: PDF's met eenvoudige, enkelkoloms lay-outs en selecteerbare tekst — denk aan de meeste zakelijke brieven, facturen en rapporten.

Wanneer dit faalt: De tekst kan niet worden gemarkeerd (gescande PDF of kopieerbeveiligd), de geplakte tekst is verhaspeld (coderingprobleem), of tekst met meerdere kolommen raakt in de war. Als een van deze dingen gebeurt, probeer dan Methode 2.

Methode 2: Open de PDF in Google Docs (gratis, verwerkt gescande PDF's)

Google Docs kan PDF's converteren naar bewerkbare tekst, inclusief gescande documenten — en het is volledig gratis.

Stap 1: Upload de PDF naar Google Drive (drive.google.com). Stap 2: Klik met de rechtermuisknop op het bestand en kies "Openen met → Google Docs." Stap 3: Google converteert de PDF naar een bewerkbaar document. Je kunt nu elke tekst selecteren en kopiëren.

Achter de schermen past Google OCR (Optical Character Recognition) toe op op afbeeldingen gebaseerde pagina's, dus dit werkt zelfs met gescande documenten. Het verwerkt ook kopieerbeveiligde PDF's omdat het het bestand server-side verwerkt.

Beperkingen: Google Docs heeft moeite met complexe opmaak. Lay-outs met meerdere kolommen vallen vaak in elkaar tot één kolom in de verkeerde volgorde. Tabellen kunnen hun structuur verliezen. En voor grote PDF's (50+ pagina's) kan de conversie traag of onvolledig zijn. Als opmaak belangrijk is, overweeg dan Methode 3.

Methode 3: Gebruik een gespecialiseerde tekstextractietool (beste voor complexe PDF's)

Wanneer Methode 1 en 2 falen — of wanneer je schone, goed opgemaakte tekst uit een complex document nodig hebt — is een gespecialiseerde extractietool de meest betrouwbare optie.

Tools zoals ParseJet zijn specifiek voor dit probleem gebouwd. Ze analyseren de interne structuur van de PDF (of passen OCR toe op gescande pagina's) en extraheren tekst in de juiste leesvolgorde, waarbij alinea-afbrekingen behouden blijven en kolommen correct gescheiden worden.

Hoe ParseJet te gebruiken: Ga naar parsejet.com/tools/extract-text-from-pdf → sleep je PDF erin → kopieer de geëxtraheerde tekst. Geen aanmelding of installatie vereist — je krijgt 3 gratis extracties per dag.

Waarom dit werkt als andere methoden falen: Gespecialiseerde extractietools behandelen alle randgevallen waar eenvoudigere methoden op vastlopen — gescande afbeeldingen (OCR), kopieerbeveiliging (server-side verwerking), aangepaste font-codering (karaktermapping resolutie), lay-outs met meerdere kolommen (leesvolgordetectie) en tabellen (structuurbehoud).

Dit is ook de enige methode die je schone, alineaniveau tekst geeft in plaats van regel-voor-regel uitvoer met willekeurige afbrekingen midden in zinnen.

Methode 4: Gebruik een command-line tool (voor ontwikkelaars en batchverwerking)

Als je programmatisch tekst uit veel PDF's moet extraheren, zijn command-line tools en bibliotheken de juiste keuze.

pdftotext (van poppler-utils) is de klassieke Unix-tool: installeer met "apt install poppler-utils" (Linux) of "brew install poppler" (Mac), voer dan "pdftotext input.pdf output.txt" uit. Het is snel maar heeft geen OCR-ondersteuning en gaat slecht om met complexe lay-outs.

pdfplumber (Python) geeft je meer controle: "pip install pdfplumber", gebruik dan de Python API om tekst pagina voor pagina te extraheren, met tabledetectie en lay-outanalyse. Geweldig voor gestructureerde documenten zoals facturen en formulieren.

pdf-parse (Node.js) is het populaire npm-pakket: "npm install pdf-parse", extraheer dan tekst met een paar regels JavaScript. Let op: het is afhankelijk van native binaire bestanden en heeft onderhoudsproblemen gehad.

Voor een alternatief zonder afhankelijkheden dat vanuit elke taal werkt, kun je de ParseJet API aanroepen — één HTTP POST per bestand, geen bibliotheken te installeren, en het verwerkt OCR en complexe lay-outs automatisch. Dit is vooral handig in serverloze omgevingen (Lambda, Vercel, Cloudflare Workers) waar het installeren van native afhankelijkheden lastig is.

Hoe zit het met gescande PDF's?

Als je PDF is gemaakt door een fysiek document te scannen of een foto te maken, zijn de pagina's afbeeldingen — er is geen tekst om te selecteren, ongeacht welke viewer je gebruikt. Je hebt OCR (Optical Character Recognition) nodig om de afbeelding naar tekst te converteren.

Je opties voor gescande PDF's: Google Docs (Methode 2) past gratis OCR toe maar kan lay-outs door elkaar halen. ParseJet (Methode 3) past OCR toe met betere lay-outdetectie. Tesseract (open-source CLI-tool) is een andere gratis optie maar vereist installatie en configuratie.

Hoe herken je een gescande PDF: probeer in te zoomen tot 400%+. Als de tekst er licht wazig of gepixeldeerd uitziet (zoals een foto), is het een afbeelding. Als de karakters bij elke zoomfactor perfect scherp zijn, is het een op tekst gebaseerde PDF.

Snelle vergelijking: welke methode moet je gebruiken?

Eenvoudige PDF, enkele kolom: Methode 1 (selecteer en kopieer in je viewer). Het is direct en gratis.

Gescande PDF of kopieerbeveiligd: Methode 2 (Google Docs) voor een gratis oplossing, of Methode 3 (ParseJet) voor betere nauwkeurigheid bij complexe lay-outs.

Meerdere kolommen, tabellen of verhaspelde tekst: Methode 3 (ParseJet) — het is de enige methode die lay-outdetectie en coderingsproblemen betrouwbaar aanpakt.

Batchverwerking (10+ PDF's): Methode 4 (command-line tools of de ParseJet API) voor automatisering.