Tekst kopiëren uit een PDF (en rommelig geplakte tekst herstellen)
Om tekst uit een PDF te kopiëren, open je het bestand in een viewer die tekstselectie ondersteunt, sleep je over de passage en kopieer je die zoals je dat op een webpagina zou doen. Staan er in de geplakte tekst afgebroken regels of vreemde tekens? Dat is normaal bij PDF’s en snel op te lossen. Kun je helemaal niets selecteren, dan is de PDF vrijwel zeker een scan en heb je eerst tekstherkenning (OCR) nodig.
Je kunt het artikel openen in de ingebouwde viewer van je browser of in de PDF-viewer van Opener. Daarmee selecteer en kopieer je tekst zonder het bestand ergens te uploaden.
De passage selecteren en kopiëren
- Open de PDF in een viewer met tekstselectie: een browser, Voorvertoning op de Mac of de PDF-viewer.
- Zoom in zodat je precies ziet waar de passage begint en eindigt. Een selectie die midden in een woord begint, is de meest voorkomende oorzaak van half gekopieerde citaten.
- Klik net vóór het eerste woord en sleep naar het einde van de passage. Voor een langer stuk klik je op het begin, scrol je verder en klik je met Shift ingedrukt op het einde; dat werkt in veel viewers.
- Kopieer met Ctrl+C (Cmd+C op een Mac) en plak de tekst in je aantekeningen.
Artikelen met twee kolommen zijn lastiger. Afhankelijk van hoe de PDF is gemaakt, kan een selectie van de linker- naar de rechterkolom springen of halverwege een paginakop of voetnoot meenemen. Kopieer één kolom tegelijk. Springt de selectie dan nog steeds, kopieer dan kleinere stukken en plak ze aan elkaar.
Noteer het paginanummer van het citaat voordat je het bestand sluit. Voor een bronvermelding heb je het paginanummer nodig dat op de pagina van het tijdschrift gedrukt staat, en dat wijkt vaak af van de paginatelling in je viewer.
Waarom geplakte tekst er kapot uitziet
Een PDF is gemaakt om te printen, niet om te bewerken. Het bestand legt vast waar elk teken op de pagina staat, niet hoe zinnen en alinea’s samenhangen. Bij het kopiëren moet de viewer die structuur terugraden, en dat gaat niet altijd goed.
- Regeleinden midden in zinnen. Elke gedrukte regel eindigt met een harde regelovergang, dus een geciteerde alinea komt binnen als een stapel korte regels.
- Afgebroken woorden. Woorden die over twee regels verdeeld zijn, zoals “experi-” en “ment”, blijven gesplitst, inclusief het afbreekstreepje.
- Ontbrekende of vreemde tekens bij “fi” en “fl”. Veel lettertypen tekenen deze lettercombinaties als één samengesteld teken, een ligatuur. Sommige PDF’s plakken die als één speciaal teken, een vakje of helemaal niets, waardoor “fiets” verandert in “ets”.
- Complete wartaal. Ziet de tekst er op het scherm goed uit, maar plak je willekeurige symbolen, dan heeft het lettertype in de PDF geen goede koppeling van zijn tekens terug naar echte letters. De viewer kan de vormen tekenen, maar weet niet welke letters het zijn. Geen enkele viewer kan dat betrouwbaar oplossen. Behandel het bestand dan als een scan en gebruik OCR, of typ het citaat over.
- Extra spaties of aan elkaar geplakte woorden. Uitgevulde tekst en krappe letterafstand kunnen de inschatting van de spaties in de war brengen.
Formules, speciale symbolen en niet-Latijnse schriften gaan vaker mis, dus controleer die teken voor teken.
Gescande PDF’s: er is geen tekst om te kopiëren
Tekent klikken en slepen een kader, of selecteer je de hele pagina als één afbeelding, dan bestaat de PDF uit afbeeldingen – meestal een scan of een foto van gedrukte pagina’s. Het ziet eruit als tekst, maar er zit geen tekst in. Opener kan zulke bestanden weergeven maar doet geen OCR, en de meeste eenvoudige viewers ook niet.
Om de tekst eruit te halen, heb je optische tekenherkenning (OCR) nodig:
- Google Drive en Docs. Upload de PDF naar Google Drive en open hem met Google Docs. Docs probeert de tekst te herkennen en maakt er een bewerkbaar document van. Dat werkt het best bij schone, rechte scans; controleer het resultaat zorgvuldig.
- Tekstherkenning op je telefoon. Recente iPhones (Livetekst) en Android-telefoons (Google Lens) herkennen tekst in een foto of op het scherm. Open de pagina, zoom in op de passage en gebruik de tekstselectie van je telefoon, of maak een screenshot en laat daar de tekst uit herkennen.
- Desktopsoftware met OCR. Sommige PDF-editors en scanapps hebben OCR aan boord. Ook je universiteitsbibliotheek biedt misschien toegang tot zulke tools.
OCR maakt fouten, vooral bij kleine letters, oude lettertypen, voetnoten en formules. Vergelijk de herkende tekst daarom altijd met de pagina voordat je citeert.
Als een PDF kopiëren niet toestaat
Sommige PDF’s openen gewoon, maar laten je geen tekst selecteren of kopiëren. De auteur of uitgever heeft dan beperkingen in het bestand ingesteld. Die kunnen kopiëren, printen of bewerken blokkeren terwijl lezen wel mag. Hoe streng een app ze naleeft, verschilt, maar de beperking geeft de wens van de uitgever weer en kan samenhangen met licentievoorwaarden.
Voor een kort wetenschappelijk citaat liggen deze opties voor de hand:
- Typ het over. Voor een zin of twee gaat dat snel en omzeil je alle opmaakproblemen.
- Zoek een andere versie. Hetzelfde artikel is vaak ook te vinden via de database van je bibliotheek, de website van het tijdschrift of een repository, als PDF zonder beperkingen of als HTML-pagina.
- Vraag het. Auteurs sturen meestal graag een exemplaar van hun eigen artikel.
Een korte passage citeren met een correcte bronvermelding is gewoon academisch gebruik. Grote delen van een beveiligd document kopiëren is iets anders; raadpleeg bij twijfel de richtlijnen van je onderwijsinstelling.
Geplakte tekst opschonen
Met een paar vaste gewoontes maak je van een rommelige plakactie in een paar seconden een net citaat:
- Plak zonder opmaak. Veel apps hebben een optie om als platte tekst te plakken, vaak met Ctrl+Shift+V. Zo verdwijnen de lettertypen en tekstgroottes van de PDF en past het citaat bij je document.
- Voeg de regels samen. In Word kun je met Zoeken en vervangen alineamarkeringen vinden met
^p. Vervang ze door een spatie om een alinea tot één regel samen te voegen. Andere editors hebben vergelijkbare opties, soms met reguliere expressies. Doe dit alleen op het citaat, niet op je hele document. - Herstel afgebroken woorden. Zoek naar een afbreekstreepje gevolgd door een regeleinde, verwijder beide en lees daarna na, want sommige streepjes horen er echt (“e-mail”).
- Controleer ligaturen en symbolen. Kijk of er ergens “fi”, “fl” of “ff” ontbreekt, of er vreemde vakjes staan en of aanhalingstekens in andere tekens zijn veranderd.
- Vergelijk met het origineel. Lees het geplakte citaat één keer woord voor woord naast de PDF. Het kost een minuut en is de enige manier om een ongemerkt weggevallen woord te vinden.
Gaat de PDF zelf niet open, begin dan bij wat je doet als een PDF niet opent.
Veelgestelde vragen
Waarom zie ik de tekst wel, maar kan ik hem niet selecteren?
De PDF is vrijwel zeker een scan of opgebouwd uit afbeeldingen. Er is geen tekstlaag, alleen een afbeelding van tekst. Gebruik OCR, bijvoorbeeld via Google Docs of de tekstherkenning van je telefoon.
Waarom staan er overal regeleinden in mijn gekopieerde tekst?
PDF’s slaan elke gedrukte regel apart op, dus de regeleinden komen mee als je kopieert. Plak als platte tekst en vervang de regeleinden door spaties.
Doet de PDF-viewer van Opener aan OCR?
Nee. Met de PDF-viewer selecteer en kopieer je tekst in PDF’s die echte tekst bevatten. Gescande PDF’s worden prima weergegeven, maar om er tekst uit te halen heb je een OCR-tool nodig.
Mag ik tekst kopiëren uit een beveiligde PDF?
De beperking is een keuze van de uitgever. Voor een kort citaat is overtypen met bronvermelding gebruikelijk; heb je meer nodig, zoek dan een versie zonder beperkingen of vraag het de auteur.