Zo tel je de woorden in een PDF
- Voeg de PDF toe. Tik op PDF kiezen of sleep het bestand op de pagina. Bestanden met wachtwoordbeveiliging vragen eerst om het wachtwoord.
- Wacht op de doorloop per pagina. De tool leest de tekstlaag en de tekenopdrachten van elke pagina om de beurt. Een voortgangsbalk laat zien bij welke pagina hij is; een rapport van 300 pagina's duurt een paar seconden.
- Lees de totalen en het oordeel. Vijf tegels tonen pagina's, woorden, tekens, tekens zonder spaties en afbeeldingen. Daaronder zegt het oordeel of het bestand een tekstlaag heeft, gescand lijkt of vooral uit afbeeldingen bestaat.
- Bekijk losse pagina's. De tabel per pagina toont dezelfde tellingen voor elke pagina; pagina's zonder tekst zijn grijs. Bij bestanden van meer dan 30 pagina's begint de tabel ingeklapt.
Wat het doet
- Totalen en een tabel per pagina: woorden, tekens, tekens zonder spaties, afbeeldingen
- Unicode-bewuste woordtelling — werkt voor tekst met accenten, Cyrillisch, Grieks, CJK en Thai, niet alleen Engels
- Vertelt je of de PDF een tekstlaag heeft of gescand lijkt, en linkt naar de OCR-tool als dat zo is
- Telt ingesloten en inline-afbeeldingen per pagina, zodat je ziet welke pagina's plaatjes zijn
- Opent PDF's met wachtwoordbeveiliging als je het wachtwoord kent
- Draait volledig op je apparaat — het enige netwerkverzoek haalt de opensourcebibliotheek PDF.js op
Wat betekenen de tellingen?
Een PDF is geen tekstverwerkerbestand. Hij slaat tekeninstructies op — zet deze glyph hier, die afbeelding daar — en, als hij uit een digitaal document is gemaakt, een tekstlaag die viewers vertelt welke tekens die glyphs zijn. Deze tool leest die tekstlaag met PDF.js, bouwt de regels opnieuw op uit de posities van de tekstitems en telt wat hij vindt. Hij loopt ook de lijst met opdrachten van elke pagina door om afbeeldingstekenopdrachten te tellen, en zo kan hij een getypte pagina van een gescande onderscheiden.
| Telling | Wat het meet | Wat er niet bij zit |
|---|---|---|
| Pagina's | Pagina's in de paginaboom, zoals een viewer ze zou tonen | Verborgen of verwijderde pagina's die nog als ongebruikte objecten aanwezig zijn |
| Woorden | Woordachtige segmenten van de tekstlaag, gevonden met de Unicode-segmentering van de browser; getallen tellen, leestekens niet | Tekst in afbeeldingen, waarden van formuliervelden, opmerkingen, bladwijzers |
| Tekens | Unicode-codepunten in de opnieuw opgebouwde tekst, inclusief spaties en regeleinden | Onzichtbare glyphs of glyphs zonder breedte die de viewer nooit toont |
| Tekens zonder spaties | Hetzelfde, minus elk witruimteteken — het getal dat veel vertaal- en zetofferte gebruiken | — |
| Afbeeldingen | Afbeeldingstekenopdrachten: ingesloten afbeeldingen, inline-afbeeldingen, afbeeldingsmaskers | Vectortekeningen, schaduwpatronen, tekst getekend als contouren |
Hoeveel woorden is een pagina?
Er is geen vast antwoord — het hangt af van lettergrootte, marges en regelafstand — maar de bereiken hieronder zijn de gebruikelijke vuistregels voor een Letter- of A4-pagina, en ze helpen je om een resultaat op plausibiliteit te controleren. De rij met de scan is de belangrijke: een gescande pagina heeft geen tekstlaag, dus die telt nul woorden, hoeveel er ook op gedrukt staat.
| Soort pagina | Typisch aantal woorden | Typisch aantal tekens | Afbeeldingen | Wat de tool zegt |
|---|---|---|---|---|
| Zakelijke brief, 11–12 pt, enkele regelafstand | ongeveer 300–500 | ongeveer 2.000–3.000 | 0–1 (logo) | Heeft een tekstlaag |
| Manuscript- of essaypagina met dubbele regelafstand | ongeveer 250–300 | ongeveer 1.500–2.000 | 0 | Heeft een tekstlaag |
| Dichte contractpagina, 9–10 pt, smalle marges | ongeveer 600–900 | ongeveer 4.000–6.000 | 0 | Heeft een tekstlaag |
| Pagina uit een presentatie | ongeveer 20–80 | ongeveer 150–600 | 1–5 | Heeft een tekstlaag (of vooral afbeeldingen) |
| Gescande pagina zonder OCR | 0 | 0 | 1 (soms meer als de scanner in tegels opdeelt) | Lijkt gescand — gebruik de OCR-tool |
| Gescande pagina met OCR-laag | zoals de gedrukte tekst, minus herkenningsfouten | zoals gedrukt | 1 | Heeft een tekstlaag |
Wanneer is dit handig?
- Vertaal- en redactieoffertes worden per woord of per 1.000 tekens zonder spaties geprijsd; je hebt het getal nodig voordat je een prijs vraagt.
- Inleverlimieten — subsidieaanvragen, processtukken, academische papers — worden vaak in woorden of pagina's opgegeven.
- Vóór OCR: een snelle manier om te weten of een stapel PDF's al doorzoekbaar is, en welke pagina's niet.
- Vóór het e-mailen: een bestand met honderden afbeeldingen per pagina is een scan en zal groot zijn; zie de tool PDF comprimeren.
Als je de woorden zelf nodig hebt in plaats van een telling, haalt de tool PDF naar tekst ze met dezelfde regelopbouw naar een .txt-bestand.
Wat zijn de beperkingen?
- Hij telt alleen de tekstlaag. Een scan zonder OCR telt nul; een scan met een slechte OCR-laag telt de fouten van de OCR.
- De regelopbouw is geometrisch. Lay-outs met meerdere kolommen worden kolom voor kolom gelezen als de kolommen netjes gescheiden zijn, maar tabellen en tekst die om afbeeldingen heen loopt kunnen door elkaar raken, wat het aantal woorden niet veel verandert maar een woord op de grens kan splitsen of samenvoegen.
- Formuliervelden, annotaties, opmerkingen en bladwijzers horen niet bij de paginatekst en worden niet geteld.
- Bestanden met wachtwoordbeveiliging hebben het wachtwoord nodig. Bestanden die PDF.js niet kan verwerken, mislukken met een melding.
- Heel grote bestanden worden pagina voor pagina verwerkt en de bronnen van de pagina worden vrijgegeven vóór de volgende, maar een scan van 1.000 pagina's duurt op een telefoon nog steeds even.