PDF in Text umwandeln — Text aus PDF extrahieren
Browser-Tool, das den Text eines PDFs seitenweise extrahiert, zum Kopieren oder Speichern als TXT
Verarbeitung im Browser · kein Hochladen
PDF, aus dem Sie Text extrahieren möchten, hierher ziehen
Fügen Sie ein PDF hinzu (bis 100 MB). Eine weitere Datei ersetzt die aktuelle. Die Dateien verlassen Ihren Browser nicht.
Was das Tool ist
Es wandelt den Text in einem PDF in reinen Text um. Nutzen Sie es, um einen Bericht in einen Texteditor zu übernehmen, einen Abschnitt aus einem Fachartikel zu zitieren oder in einem langen Vertrag nach einer Formulierung zu suchen. Sie können jede Seite einzeln öffnen und kopieren, alles auf einmal kopieren oder eine TXT-Datei herunterladen. Wenn Buchstaben wegen der Schriften fehlerhaft herauskommen oder ein Scan gar keinen Text enthält, erklärt die Seite, warum und was zu tun ist. Alles läuft in Ihrem Browser.
Anleitung
- Ziehen Sie ein PDF in den gestrichelten Bereich oder klicken Sie auf PDF auswählen.
- Wenn Sie nur einen Teil brauchen, geben Sie einen Seitenbereich wie
1-3, 5ein. Leer bedeutet alle Seiten. - Legen Sie fest, ob zwischen den Seiten eine Trennzeile wie
--- Seite 1 ---stehen soll. - Klicken Sie auf Text extrahieren, um den gesamten Text und den Text jeder Seite zu erhalten. Bei langen Dateien beendet Abbrechen den Vorgang früher und behält das bereits Gelesene.
- Kopieren Sie alles oder eine Seite oder laden Sie die TXT-Datei herunter.
So funktioniert es
- Extraktion: Die Textstücke, die PDF.js liest, werden in gespeicherter Reihenfolge zusammengesetzt. Eine neue Zeile beginnt an einer Zeilenende-Markierung oder wenn sich die Grundlinie um mehr als eine halbe Zeile verschiebt; zwischen sichtbar getrennten Stücken derselben Zeile wird ein Leerzeichen eingefügt. Leerzeichen am Zeilenende werden entfernt, mehrere Leerzeilen zu einer zusammengefasst.
- Warnung vor fehlerhaftem Text: erscheint, wenn mindestens 3 Zeichen und mindestens 2 % der sichtbaren Zeichen Ersatzzeichen (�), Zeichen aus dem privaten Bereich oder Steuerzeichen sind.
- Seiten ohne Text: Ihre Nummern werden aufgelistet; sind alle Seiten leer, wird die Datei als Scan behandelt und OCR empfohlen.
- TXT-Datei: UTF-8 mit Byte-Order-Mark und Windows-Zeilenenden (CRLF), damit Umlaute, Chinesisch und Emojis auch im alten Editor richtig erscheinen.
- Grenzen: Dateien bis 100 MB. Keine OCR.
- Bibliotheken: PDF.js (Apache-2.0). Zeichenzuordnungen für chinesische, japanische und koreanische Schriften werden von dieser Website bereitgestellt und nur bei Bedarf geladen.
Beispiele
| Datei | Ergebnis |
|---|---|
| Aus Word exportierter Bericht | Absätze und Zeilen wie geschrieben |
| Zweispaltiger Fachartikel | Meist erst linke, dann rechte Spalte; Tabellenzellen können zusammenlaufen |
| Gescannter Kassenbon | „Es wurde kein Text gefunden“ mit OCR-Hinweis |
| PDF, dessen Schrift keine Unicode-Zuordnung hat | Warnung vor fehlerhaftem Text mit Lösungsweg |
Für die Fotos in einem PDF nutzen Sie PDF-Bilder extrahieren; um das Aussehen ganzer Seiten zu behalten, nutzen Sie PDF in JPG.
Häufige Fragen
Wird mein PDF hochgeladen?
Nein. Die Extraktion läuft nur in Ihrem Browser und die Datei wird nie hochgeladen. Der Text existiert nur auf dieser Seite und in der TXT-Datei, die Sie herunterladen.
Der extrahierte Text ist unleserlich. Warum?
Wenn ein PDF eine Schrift ohne Unicode-Zuordnung einbettet, erscheinen die Buchstaben zwar auf dem Bildschirm, werden beim Auslesen als Text aber zu Leerstellen oder seltsamen Symbolen. Treten genug solcher Zeichen auf, warnt das Tool. Abhilfe schafft ein erneuter Export aus dem Ursprungsprogramm oder Texterkennung (OCR).
Warum bekomme ich aus einem gescannten PDF nichts?
In einem gescannten oder fotografierten PDF ist jede Seite ein Bild, es gibt also keinen Text zum Extrahieren, und dieses Tool macht keine OCR. Wird gar kein Text gefunden, sagt es Ihnen das; lassen Sie die Datei zuerst durch ein Programm oder eine Scanner-App mit Texterkennung laufen.
Stimmen Zeilenumbrüche und Reihenfolge mit dem Original überein?
Der Text folgt der Reihenfolge, in der er im PDF gespeichert ist, und Zeilen werden an Zeilenende-Markierungen und dort getrennt, wo die Grundlinie springt. Die meisten Dokumente kommen in Lesereihenfolge heraus, mehrspaltige Layouts, Tabellen und Textfelder können aber durcheinandergeraten oder zusammenlaufen.
Funktioniert es mit geschützten PDFs?
PDFs, die zum Öffnen ein Passwort verlangen, werden noch nicht unterstützt. PDFs, die sich ohne Passwort öffnen lassen, aber Drucken oder Bearbeiten einschränken, öffnen sich, und ihr Text kann gelesen werden. Prüfen Sie die Nutzungsbedingungen des Dokuments selbst.
