Text aus einem PDF extrahieren
Die Wörter eines PDFs als reinen Text herauslösen, ohne das Dokument irgendwohin zu senden.
- Läuft auf Ihrem Gerät — die Datei wird nirgendwohin gesendet
- Ohne Anmeldung, ohne Wasserzeichen, ohne Tageskontingent
- Kostenlos, ohne Begrenzung, wie oft Sie es nutzen
So funktioniert es
Ein PDF mit echtem Text enthält die Zeichen selbst, auf der Seite positioniert. Dieses Tool liest sie in Seitenreihenfolge aus und schreibt sie in eine reine Textdatei – nützlich zum Zitieren, Suchen, Wörterzählen oder um ein Dokument an etwas weiterzugeben, das kein PDF lesen kann.
Text-PDFs und gescannte PDFs sind verschiedene Dinge
Wenn ein PDF von einer Textverarbeitung oder einem Export erzeugt wurde, ist sein Text als Text gespeichert, und die Extraktion funktioniert. Wenn es von einem Scanner oder einer Handykamera erzeugt wurde, ist jede Seite ein Foto eines Dokuments – es gibt keine Zeichen zu extrahieren, nur Pixel. Diese zu lesen erfordert OCR, was dieses Tool bewusst nicht versucht. Es sagt Ihnen, wenn es nichts findet, statt Ihnen eine leere Datei ohne Erklärung zu liefern.
Das Layout bleibt nicht erhalten
PDF speichert Text als Fragmente, die an Koordinaten platziert sind, nicht als Absätze. Die Extraktion rekonstruiert Zeilen, indem sie Fragmente in gleicher Höhe gruppiert, was bei normaler Prosa gut funktioniert und bei mehrspaltigen Layouts, Tabellen und Seitenleisten schlecht, wo die Lesereihenfolge durcheinandergeraten kann.
Seitenmarkierungen
Vor jeder Seite steht eine Markierung, damit Sie erkennen, wo eine endet und die nächste beginnt. Entfernen Sie sie mit Suchen und Ersetzen, wenn Sie fortlaufenden Text möchten.
Text aus einem PDF extrahieren – Fragen
Warum ist meine extrahierte Datei leer?
Das PDF ist mit ziemlicher Sicherheit ein Scan. Seine Seiten sind Bilder und kein Text, es gibt also keine Zeichen zu extrahieren. Diese zu lesen erfordert OCR, was dieses Tool nicht leistet.
Wird mein PDF hochgeladen?
Nein. Die Extraktion läuft in Ihrem Browser mit PDF.js von Mozilla. Das Dokument verlässt Ihr Gerät nie.
Bleibt die Formatierung erhalten?
Nein. Sie erhalten reinen Text. PDF speichert Text als positionierte Fragmente und nicht als Absätze, sodass insbesondere Spalten und Tabellen in unerwarteter Reihenfolge herauskommen können.