PDF in Text
Ein aus einem Dokument erzeugtes PDF enthält echten Text, den dieses Tool Seite für Seite liest, zum Kopieren oder Speichern als .txt. Ein gescanntes PDF hat keine Textebene und braucht OCR. Bis 50 MB, nichts wird hochgeladen.
So funktioniert’s
- Ziehen Sie ein PDF auf das Feld oder tippen Sie darauf, um eine Datei zu wählen (bis 50 MB). Die Seitenzahl wird angezeigt.
- Lassen Sie Seiten leer, um alle zu lesen, oder geben Sie einen Bereich wie 1-3,5 ein. Aktivieren Sie das Seitenmarker-Feld, wenn vor jeder Seite eine Zeile wie --- 3 --- stehen soll.
- Klicken Sie auf Text extrahieren. Der Text erscheint im Feld und lässt sich dort bearbeiten. Kopieren Sie ihn oder speichern Sie ihn als .txt-Datei.
Berechnung
Die meisten PDFs, die aus einem Dokument, einer Webseite oder einer Tabelle entstanden sind, enthalten ihren Text als echte Zeichen mit Position auf der Seite. Das Tool liest diese Zeichen, reiht Teile derselben Zeile von links nach rechts aneinander und beginnt bei geänderter Höhe eine neue Zeile.
Ein größerer Zeilenabstand wird zu einer Leerzeile, damit Absätze getrennt bleiben. Spalten, Tabellen und Kopfzeilen werden in der Reihenfolge gelesen, in der die Datei sie speichert, komplexe Layouts brauchen daher etwas Nacharbeit.
Ein gescanntes PDF ist nur ein Bild von Text und enthält keine Zeichen, das Ergebnis bleibt leer. Wandeln Sie die Seiten dann zuerst in Bilder um und nutzen Sie das Bild-Text-Tool. Der Text wird mit pdf.js in Ihrem Browser gelesen und nie an einen Server gesendet.
Häufige Fragen
Wird mein PDF hochgeladen?
Nein. Die Datei wird in diesem Browser-Tab gelesen. Es gibt keinen Upload, kein Konto und keine Kopie an anderer Stelle.
Warum ist das Ergebnis leer oder voller seltsamer Zeichen?
Leer bedeutet meist, dass das PDF ein Scan, also ein Bild von Text, ist. Seltsame Zeichen entstehen, wenn ein PDF Text mit einer eigenen Schrift ohne Textzuordnung speichert. In beiden Fällen hilft ein Bild-Text-Tool (OCR) besser.
Warum sind Spalten und Tabellen durcheinander?
Ein PDF speichert, wohin jedes Textstück gehört, nicht die Lesereihenfolge. Das Tool folgt der Reihenfolge der Datei und den Zeilen der Seite, daher können mehrspaltige Seiten und Tabellen anders herauskommen, als Sie sie lesen.
Bleiben Schriften und Formatierung erhalten?
Nein. Sie erhalten nur reinen Text. Fett, Größen, Farben und Bilder fehlen.
Warum heißt es, die Datei sei passwortgeschützt?
Das PDF ist verschlüsselt und lässt sich ohne Passwort nicht öffnen. Öffnen Sie es in einem PDF-Viewer, entfernen Sie das Passwort (als neues PDF speichern oder drucken) und fügen Sie diese Kopie hier hinzu.