TXT naar PDF omzetten

Platte tekst is het formaat dat alles overleeft. Geen versie, geen eigen lezer, geen opmaak die kan breken — over vijftig jaar gaat het nog open. Diezelfde betrouwbaarheid wordt een probleem op het moment dat er aan de andere kant iemand een document verwacht: inzendsystemen vragen om PDF, drukkers willen vastgelegde pagina’s, en een bijlage met `.txt` ziet eruit als een brokstuk van iets in plaats van als iets afs.

Deze omzetting geeft de tekst wat ze mist. De inhoud wordt op standaardpagina’s gezet met een leesbaar lettertype en verstandige marges, met de alinea-overgangen en de witregels intact. Voor aantekeningen, een manuscript, een brief of een uitgedraaid gespreksverslag is het precies goed en valt er verder niets over na te denken.

Een tekstbestand legt niet vast welke codering het gebruikt — die informatie zit er eenvoudigweg niet in — dus elk programma dat er een opent moet raden. Raadt het verkeerd, dan komt elk teken met een accent er als onzin uit: een bestand dat op Windows in de oudere West-Europese codering is opgeslagen en als UTF-8 gelezen wordt, maakt van é twee betekenisloze tekens.

Staan er in je uitvoer verhaspelde accenten, trema’s of aanhalingstekens, dan is dat wat er gebeurd is. In het Nederlands zie je het het snelst aan «coördinatie», «financiën» en «één», want daar staan de tekens die het misgaan. De blijvende oplossing is het origineel in een willekeurige editor openen en opnieuw opslaan als UTF-8, wat alles van deze tijd verwacht. Niets op deze pagina kan beter raden dan het bestand toelaat.

Een tekstbestand heeft geen paginabreedte en een PDF-pagina wel. Regels die voorbij de marge lopen gaan door op de volgende regel, wat klopt voor proza en niet helpt bij iets met structuur. Een serverlog, een codefragment of een rapport met vaste kolombreedtes leunt erop dat elke regel één record is, en doorlopen sloopt dat in één oogopslag.

De tekst wordt bovendien in een proportioneel lettertype gezet, dus alles wat met spaties is uitgelijnd — een tabel van tekens, kolommen met getallen — komt niet meer onder elkaar te staan. Is je bestand gestructureerd in plaats van geschreven, dan is dit de verkeerde bestemming.

Er wordt niets gecomprimeerd, er wordt niets geïnterpreteerd, en er valt geen opmaak te verliezen omdat er om te beginnen geen was. Wat er als tekens in gaat komt er als dezelfde tekens uit, op pagina’s.

Windows, macOS en Unix hebben regels van oudsher verschillend beëindigd, en een bestand dat op het ene systeem is geschreven en op het andere gelezen kan binnenkomen zonder dat de regelovergangen herkend worden.

Alle drie de gewoonten worden hier afgehandeld, dus dit hoort niet te gebeuren. Gebeurt het toch, dan is het bestand waarschijnlijk helemaal geen platte tekst — een .txt-extensie op iets wat in werkelijkheid RTF of uitvoer uit een tekstverwerker is gedraagt zich vreemd, en openen in een teksteditor laat dat meteen zien.

Standaard paginaformaat, een leesbaar lettertype, verstandige marges, en alinea-overgangen en witregels zoals ze waren. Er komen paginanummers bij, want een afgedrukte stapel tekst zonder nummers valt lastig terug op orde te leggen.

Er komen geen koppen, want een tekstbestand heeft er geen om te vinden. Alles wat op een kop lijkt is een regel tekst, en zo wordt het gezet.

Een paar duizend pagina’s is op zichzelf geen probleem, want het werk hangt samen met de hoeveelheid tekst. Wat de grens bepaalt is geheugen, omdat het document wordt opgebouwd voordat het weggeschreven wordt.

Een uitvoer van enkele honderden megabytes splits je beter eerst. Die omvang is meestal ook een teken dat de tekst een logbestand of een gegevensverzameling is en geen document, en dan is een PDF de verkeerde bestemming.

Grieks, Cyrillisch, Japans, Chinees en Koreaans worden gezet met de lettertypen die de omzetter meedraagt, dus een UTF-8-bestand in een van die schriften komt leesbaar door.

Schriften die van rechts naar links lopen, zoals Arabisch en Hebreeuws, zijn het lastigere geval, want een juiste opmaak vraagt meer dan de goede tekens in de goede volgorde. Kijk naar het resultaat voordat je erop bouwt voor iets wat ertoe doet.

Sleep er zoveel in als je wilt en elk wordt zijn eigen PDF, samen teruggegeven als ZIP. Ze worden niet tot één document samengevoegd, want de volgorde bepalen zou een beslissing namens jou zijn.

Wil je juist één document, voeg de tekstbestanden dan eerst samen en zet het resultaat om. Zo is de volgorde er een die je koos en niet een die uit een mappenlijst rolde.