PDF naar Word omzetten klinkt als een simpele wijziging van bestandsformaat, maar lijkt meer op reverse engineering. Een PDF legt vast waar elk teken en elke regel op de pagina staat. Alinea's, kolommen en tabellen worden niet zo vastgelegd als in Word, dus een converter moet ze terugraden. Goede converters raden prima bij schone documenten en slecht bij ingewikkelde.
In deze gids lees je hoe je het beste resultaat haalt uit de PDF naar Word-converter van TokPDF, hoe je ziet of je PDF eerst OCR nodig heeft en wat je kunt verwachten van tabellen, kolommen en lettertypen.
Controleer eerst of je PDF echte tekst bevat
Er zijn twee soorten PDF. Een tekst-PDF is door software gemaakt, bijvoorbeeld geëxporteerd uit Word of vanuit een browser als PDF afgedrukt. Hij bevat echte tekens. Een gescande PDF is een stapel foto's van pagina's. Op het scherm ziet hij er hetzelfde uit, maar er zit geen tekst in, alleen pixels.
De test kost vijf seconden. Open de PDF in een willekeurige viewer en probeer met je muis een zin te selecteren, of druk op Ctrl+F (Cmd+F op een Mac) en zoek een woord dat je ziet. Wordt de tekst gemarkeerd of vindt de zoekopdracht het woord, dan heb je een tekst-PDF. Kun je alleen een kader over de hele pagina trekken, of vindt de zoekopdracht niets, dan is het een scan.
Een tekst-PDF naar Word omzetten
Bij tekst-PDF's is omzetten één stap. Er zijn geen instellingen: TokPDF zet elke pagina om met de open-source engine pdf2docx, die via WebAssembly in je browser draait. Je bestand wordt niet geüpload.
Open PDF naar Word en voeg je PDF toe. De converter verwerkt één bestand per keer.
Start de conversie. De eerste keer op een apparaat is het langzaamst, omdat de browser een Python-runtime en de conversiebibliotheken moet laden. Latere conversies in dezelfde sessie gaan sneller.
Download het .docx-bestand en open het in Word, LibreOffice Writer, Google Docs of Pages.
Loop het hele document door voordat je gaat bewerken. Herstel eerst structurele problemen, zoals een kapotte tabel, en pas daarna de tekst aan.
Gescande PDF's: voer eerst OCR uit
De Word-converter van TokPDF voert geen OCR (optische tekenherkenning) uit. Geef je hem een scan, dan krijgt Word afbeeldingen van je pagina's, en die kun je niet bewerken. Je moet de tekst eerst herkennen met OCR PDF.
OCR PDF gebruikt Tesseract, de open-source herkenningsengine, en draait ook in je browser, met de taaldata van de eigen site van TokPDF. De tool ondersteunt 12 talen, waaronder Engels, vereenvoudigd en traditioneel Chinees, Japans, Koreaans, Spaans, Frans, Duits, Portugees en Arabisch. Je kunt er meerdere selecteren als een document talen combineert.
Open OCR PDF, voeg de scan toe en selecteer de taal of talen van het document.
Laat de resolutie op Hoge kwaliteit staan, tenzij de tekst piepklein is. Probeer dan Ultrahoge resolutie. Een hogere resolutie is trager, maar helpt bij kleine letters.
Wil je vooral de woorden, kies dan Platte tekst extraheren (.txt) of Gestructureerde Markdown (.md) als uitvoer, plak de tekst in Word en maak daar de opmaak.
Wil je de pagina-afbeeldingen behouden met selecteerbare tekst erbovenop, kies dan Doorzoekbare PDF met twee lagen. Je kunt dat bestand daarna proberen naar Word om te zetten, maar controleer het resultaat goed: de herkende tekst ligt onzichtbaar over de scan en converters gaan wisselend met die laag om.
Welke opmaak blijft en welke niet
Bij een eenvoudig document, zoals een brief, een rapport met kopjes of een cv met één of twee kolommen, lijkt het Word-bestand meestal sterk op de PDF. Problemen ontstaan waar de visuele opmaak van de PDF geen duidelijke Word-tegenhanger heeft.
- Tabellen met lijnen worden meestal herbouwd als echte Word-tabellen. Tabellen zonder randen, waarbij kolommen alleen met spaties zijn uitgelijnd, worden niet als tabel herkend en komen binnen als gepositioneerde tekst. Voor datatabellen is PDF naar Excel vaak de betere route.
- Lettertypen zien er alleen hetzelfde uit als het lettertype is geïnstalleerd op de computer waarop je het .docx-bestand opent. Anders vervangt Word het door een vergelijkbaar lettertype en kunnen regeleinden verschuiven.
- Pagina's met meerdere kolommen, zijbalken en tekstvakken worden opnieuw opgebouwd op basis van posities. Verwacht dat je de witruimte moet bijstellen en bij complexe tijdschriftachtige opmaak soms ook de tekstvolgorde.
- Kopteksten, voetteksten en paginanummers komen mogelijk binnen als gewone tekst boven en onder aan elke pagina in plaats van als Word-velden voor kop- en voettekst.
- Afbeeldingen worden overgenomen. Grafieken die als vectorafbeelding zijn getekend, kunnen worden omgezet in afbeeldingen met een lagere resolutie.
Heb je Word eigenlijk wel nodig?
Omzetten is de juiste keuze als je grote delen van een document moet herschrijven. Voor kleinere klussen houden andere tools de oorspronkelijke opmaak intact:
- Wil je een typfout verbeteren, een datum aanpassen of een logo vervangen, bewerk dan de PDF zelf. Zie een PDF bewerken.
- Wil je de tekst hergebruiken op een website of in een notitie-app, dan geeft PDF naar Markdown schonere uitvoer dan een Word-bestand.
- Wil je een formulier invullen, gebruik dan PDF invullen in plaats van omzetten.
- Wil je een document vertalen, lees dan de gids over AI-tools over de vertaler van TokPDF en de grenzen ervan.
Privacy
Zowel de Word-conversie als OCR draait op je eigen apparaat, dus contracten, loonstroken en medische brieven verlaten je computer nooit. De keerzijde is de snelheid op zwakke hardware: een document van 200 pagina's kan op een oudere laptop enkele minuten duren, en als je het tabblad verlaat terwijl het bezig is, kan het in sommige browsers nog trager worden. Let op: Annuleren zet het scherm terug, maar stopt een conversie die al is gestart niet. Laad de pagina dus opnieuw als je je apparaat wilt vrijmaken.