PDF naar Word

Wat "PDF naar Word" echt betekent

Een PDF naar Word omzetten betekent dat je een statisch document met een vaste, gepositioneerde opmaak neemt en er een bewerkbaar .docx-bestand van maakt met alinea's, koppen, lijsten en afbeeldingen die je opnieuw kunt bewerken. Mensen grijpen hiernaar wanneer ze verder moeten werken aan een document dat ze alleen als PDF hebben, of wanneer ze gestructureerde inhoud naar een ander Word-document willen kopiëren zonder die met de hand opnieuw te typen.

We moeten eerlijk zijn: PDF en Word zijn fundamenteel verschillende formaten. Een PDF plaatst tekst en afbeeldingen op exacte pixelcoördinaten; Word laat de inhoud doorlopen in een document met marges, stijlen en herschikkingsregels. Er bestaat geen perfecte één-op-éénovereenkomst tussen de twee. Wat een goede omzetter doet, is de semantische structuur van het document herstellen — alinea's, koppen, lijsten, nadruk, afbeeldingen — en Word vanaf daar de doorloop laten verzorgen.

Hoe deze omzetter in je browser werkt

We gebruiken het opensource PDF.js van Mozilla om de PDF lokaal in te lezen. Op elke pagina extraheren we de tekstinhoud samen met de positie en de lettergrootte van elk element, en vervolgens groeperen we de elementen in REGELS op basis van hun Y-coördinaat. De herkenning van koppen is gebaseerd op de lettergrootte: regels die merkbaar groter zijn dan de mediane tekstgrootte van het document worden in de Word-uitvoer Kop 1 / Kop 2 / Kop 3. Vet en cursief worden overgenomen op basis van de lettertypenaam van elk tekstelement.

Het Word-document wordt gegenereerd met het opensource-pakket `docx`, eveneens pure JavaScript dat ook in je browsertabblad draait. Afbeeldingen die we kunnen decoderen (meestal JPEG ingesloten in de PDF) worden ingevoegd nabij het einde van hun bronpagina. Het voltooide document wordt aangeboden als directe download.

Wat goed wordt omgezet

• Tekstalinea's: worden hersteld als standaardalinea's in Word.
• Koppen: worden automatisch herkend op lettergrootte → Kop 1 / 2 / 3.
• Vet- en cursiefnadruk: wordt herkend op basis van de lettertypenamen.
• Inline ingesloten JPEG-afbeeldingen: worden ingesloten nabij hun bronpagina.
• Paginastructuur: de pagina-einden tussen de oorspronkelijke pagina's blijven behouden.

Wat bij benadering wordt omgezet (en wat niet)

• Tabellen: de celrijen blijven als afzonderlijke regels behouden, maar het raster gaat verloren. Bouw de tabellen indien nodig in Word opnieuw op.
• Lay-outs met meerdere kolommen: worden samengevoegd tot één kolom in leesvolgorde.
• Kop- en voetteksten: verschijnen als onderdeel van de hoofdtekst van elke pagina, niet als kop-/voetteksten van Word.
• Vectorafbeeldingen: diagrammen en vormen die rechtstreeks in de PDF zijn getekend, worden niet geëxtraheerd.
• Gescande PDF's (alleen afbeelding): hebben geen tekst om te extraheren. Haal ze eerst door OCR.
• Versleutelde PDF's: die moeten eerst worden ontgrendeld (met toestemming).

Veelvoorkomende toepassingen van het omzetten van PDF naar Word

• Een contract bijwerken dat je alleen als PDF hebt. Zet het om naar .docx, breng in Word de wijzigingen aan die je nodig hebt en exporteer het weer naar PDF wanneer beide partijen de uiteindelijke formulering hebben afgesproken.
• Een artikel of onderzoeksverslag hergebruiken. Breng de bewerkbare tekst naar Word om secties te citeren, te herstructureren of uit te breiden in een nieuw stuk.
• Een document vertalen. De meeste tools voor computerondersteund vertalen werken met .docx, maar lopen vast op PDF's. Zet eerst om, vertaal het Word-bestand en exporteer het daarna weer naar PDF.
• De tekst van een oud rapport redden. Wanneer het originele .docx-bestand verloren is gegaan en alleen de naar PDF gedrukte kopie nog over is, is dit de snelste manier om een bewerkbare versie terug te krijgen.
• Toegankelijke documenten maken. Een semantisch Word-bestand met de juiste stijlen Kop 1 / Kop 2 is het uitgangspunt voor het toevoegen van tags, alternatieve tekst en leesvolgorde voor schermlezers.

Privacy en beveiliging

De meeste online "PDF naar Word"-diensten uploaden je PDF naar een server, voeren de omzetting daar uit (vaak met LibreOffice in een afgeschermde omgeving) en sturen de .docx terug. Die aanpak kan iets betere opmaakgetrouwheid geven, maar betekent dat elk contract, elke loonstrook of elk medisch rapport dat je omzet — al is het maar even — op de machine van iemand anders belandt. imisspdf maakt de tegenovergestelde afweging: iets minder opmaakgetrouwheid, maar het bestand verlaat je apparaat nooit. Bekijk onze privacyreview van iLovePDF voor het standaardmodel op basis van uploads en imisspdf versus iLovePDF voor de vergelijkende uitsplitsing.

Tips voor het beste resultaat met PDF naar Word

• Begin waar mogelijk met een PDF met tekst. Als het originele .docx-bestand rechtstreeks naar PDF is geëxporteerd, wordt de omzetting terug naar Word veel netter dan wanneer je met een scan begint.
• Voer OCR uit voordat je scans omzet. PDF's met alleen afbeeldingen leveren lege Word-bestanden op. Haal ze eerst door OCR PDF zodat de tekens echte tekst zijn wanneer je ze omzet.
• Houd de koppenherkenning aan bij gestructureerde documenten. Rapporten, scripties en beleidsdocumenten hebben hun koppenhiërarchie nodig om bruikbaar te zijn in Word: laat de optie voor automatische herkenning aan staan.
• Houd er rekening mee dat je tabellen opnieuw moet opbouwen. PDF's met veel tabellen (bankafschriften, facturen) zet je beter om naar Excel met onze tool PDF naar Excel dan naar Word: Word geeft je platte regels, Excel behoudt het raster.
• Verwijder eerst de wachtwoorden. Als de bron versleuteld is, ontgrendel hem dan met het juiste wachtwoord voordat je omzet, en beveilig het resulterende Word-bestand desgewenst opnieuw vanuit Word zelf.

Gerelateerde PDF-tools

• Word naar PDF — het omgekeerde: zet je bewerkte .docx weer om naar een nette PDF.
• PDF bewerken — voor kleine tekstwijzigingen bewerk je de PDF rechtstreeks in plaats van via Word.
• OCR PDF — maak een gescande PDF doorzoekbaar voordat je hem naar Word omzet.
• PDF naar Excel — voor PDF's met tabellen die hun raster in Word zouden verliezen.