tigtools

PDF in Text

Wählen Sie eine PDF-Datei aus und erhalten Sie ihren Text als reinen Text, optional mit Seitenüberschriften, bereit zum Kopieren oder Speichern. Die Extraktion läuft in Ihrem Browser mit pdf.js.

Läuft in Ihrem Browser Keine Anmeldung erforderlich

oder hier ablegen. Die Datei bleibt auf Ihrem Gerät.

Anleitung

  1. PDF-Datei auswählen oder hierher ziehen.
  2. Legen Sie fest, ob jede Seite mit einer Überschrift wie „--- Seite 3 ---“ beginnen soll.
  3. Klicken Sie auf „Text extrahieren“ und warten Sie, bis alle Seiten gelesen wurden.
  4. Kopieren Sie den Text oder laden Sie ihn als .txt-Datei im UTF-8-Format herunter.

So funktioniert es

PDF-Dateien, die aus einer Textverarbeitung, einer Website oder den meisten anderen Programmen erstellt wurden, enthalten eine Textebene: die Zeichen und ihre Positionen. Das Tool liest diese Ebene Seite für Seite mit pdf.js und wandelt sie in Zeilen aus reinem Text um. Schriftarten, Schriftgrößen, Farben, Bilder und Tabellen bleiben nicht erhalten; Tabellenzellen erscheinen als Text, getrennt durch Leerzeichen oder Zeilenumbrüche.

Die Lesereihenfolge folgt der im PDF gespeicherten Reihenfolge, die in der Regel der visuellen Reihenfolge entspricht. Mehrspaltige Layouts, Fußnoten und Textfelder können in einer unerwarteten Reihenfolge erscheinen, und am Zeilenende getrennte Wörter bleiben getrennt.

Gescannte Dokumente und als PDF gespeicherte Fotos enthalten nur Bilder von Text und haben keine Textebene, daher kann nichts extrahiert werden. Das Tool erkennt dies und weist Sie auf OCR (optische Zeichenerkennung) hin, die Text aus Bildern liest. Text in einigen PDFs verwendet Schriftarten ohne korrekte Zeichentabelle; solcher Text kann als unlesbare Symbole erscheinen.

PDFs, die zum Öffnen ein Passwort benötigen, können nicht gelesen werden. PDFs mit lediglich Kopierbeschränkungen werden gelesen; respektieren Sie die Rechte des Dokumenteigentümers.

Beispiele

Aus einem Bericht zitieren

Extrahieren Sie den Text eines 40-seitigen PDF-Berichts, durchsuchen Sie ihn im Textfeld und kopieren Sie den benötigten Absatz, ohne sich mit der Auswahl im PDF-Viewer herumzuschlagen.

Gescannter Brief

Ein als PDF gescannter Brief erzeugt keinen Text. Das Tool weist darauf hin und verlinkt auf das OCR-Tool, das den Text aus einem Bild der Seite erkennen kann.

Häufig gestellte Fragen

Warum wird kein Text in meiner PDF gefunden?

Das PDF enthält höchstwahrscheinlich gescannte Bilder statt Text. Verarbeiten Sie die Seiten mit OCR, um den Text zu erkennen.

Warum sind Wörter oder Zeilen in der falschen Reihenfolge?

Das Tool verwendet die Reihenfolge, in der Text in der Datei gespeichert ist. Einige Programme speichern Spalten, Kopfzeilen oder Textfelder in einer anderen Reihenfolge, als sie angezeigt werden.

Warum enthält der Text seltsame Symbole?

Manche PDFs verwenden Schriftarten ohne Informationen darüber, welches Zeichen jede Glyphe darstellt. Die sichtbaren Buchstaben können dann keinem Text zugeordnet werden; bei solchen Dateien ist OCR die einzige Option.

Bleiben Formatierungen wie Fettschrift oder Tabellen erhalten?

Nein. Die Ausgabe ist reiner Text mit Zeilenumbrüchen. Tabellenzellen und Spalten werden zu Text in Zeilen.

Datenschutz

Das PDF wird in Ihrem Browser mit pdf.js geöffnet und gelesen. Die Datei und der extrahierte Text werden nicht hochgeladen, gespeichert oder in Analysen einbezogen; es wird nur ein anonymes Ereignis zur Nutzung des Tools gezählt.