PDF in Text umwandeln
Lesen Sie den in einem PDF gespeicherten Text aus, kopieren Sie ihn oder laden Sie ihn als TXT-Datei herunter. Alles läuft in Ihrem Browser, das PDF wird nie hochgeladen.
PDF-Datei hierher ziehenPDF-Datei auswählen
Eine PDF-Datei bis 100 MB. Die Datei bleibt auf Ihrem Gerät.
Verarbeitung auf Ihrem Gerät, kein Upload
Anleitung und Wissenswertes
So funktioniert es
- Wählen Sie ein PDF aus oder ziehen Sie es auf das Feld oben.
- Wählen Sie alle Seiten oder geben Sie Seiten an, zum Beispiel 1-3, 5.
- Wählen Sie „Text extrahieren“ und prüfen Sie die Vorschau.
- Kopieren Sie den Text oder wählen Sie „TXT herunterladen“. Die Datei ist UTF-8 kodiert.
Was dieses Werkzeug leistet und was nicht
Das Werkzeug liest Text, der im PDF als Text gespeichert ist, zum Beispiel aus Textverarbeitungen, Webseiten-Ausdrucken oder Berichten. Es ist keine OCR (Texterkennung). Ein gescanntes PDF besteht aus Bildern von Seiten und enthält meist keinen Text. In diesem Fall meldet das Werkzeug ausdrücklich, dass kein Text gefunden wurde, statt eine leere Datei als Erfolg zu melden. Enthalten nur einige Seiten Text, bleiben die anderen leer, und ein Hinweis nennt das.
Manche PDFs speichern Zeichen ohne gültige Unicode-Zuordnung. Dann lässt sich der Text nicht zuverlässig lesen, und das Ergebnis kann aus Ersatzzeichen bestehen. Das Werkzeug warnt, wenn das auf Seiten überwiegt.
Reihenfolge, Unicode und Grenzen
Zeilen und Absätze werden aus den Positionen der Textstücke auf der Seite aufgebaut. Bei einspaltigen Dokumenten entspricht das meist der Lesereihenfolge. Bei mehrspaltigen Layouts, Tabellen, Fußnoten, Kopf- und Fußzeilen oder gedrehtem Text kann die Reihenfolge von Ihrer abweichen. Prüfen Sie wichtige Texte in der Vorschau. Seiten werden durch eine Leerzeile getrennt, auf Wunsch mit einer Seitenmarkierung.
Der Text wird als Unicode übernommen und normalisiert, die Datei ist UTF-8. Silbentrennung am Zeilenende bleibt erhalten. Das PDF darf bis 100 MB groß sein, auf Smartphones und Geräten mit wenig Arbeitsspeicher 50 MB, mit höchstens 2.000 Seiten. Passwortgeschützte oder in der Nutzung eingeschränkte PDFs werden abgelehnt. Die Vorschau zeigt die ersten 100.000 Zeichen, die Datei und die Kopierfunktion enthalten alles.
Häufige Fragen
Warum sagt das Werkzeug, es gebe keinen Text?
Vermutlich besteht das PDF aus gescannten Bildern. Dieses Werkzeug liest nur vorhandenen Text und erkennt keinen Text in Bildern. Dafür wäre eine OCR nötig.
Wird mein PDF hochgeladen?
Nein. PDF.js liest die Datei lokal in Ihrem Browser. Weder das PDF noch der Text werden an AnyConvertor oder Dritte gesendet.
Warum ist die Reihenfolge bei Spalten falsch?
Ein PDF speichert Textstücke mit Positionen, aber keine Leserichtung. Das Werkzeug rekonstruiert Zeilen aus den Positionen. Bei Spalten, Tabellen oder Fußnoten kann das von der gewünschten Lesereihenfolge abweichen.
Kann ich nur bestimmte Seiten auslesen?
Ja. Wählen Sie „Ausgewählte Seiten“ und geben Sie zum Beispiel 1-3, 5 ein. Die Seiten erscheinen in der Reihenfolge Ihrer Eingabe.
Was bedeutet „Ersatzzeichen“ im Hinweis?
Das PDF enthält dort keine Information, welches Unicode-Zeichen zu einer Glyphe gehört. Der Text lässt sich dann nicht richtig auslesen. Ein anderes Exportverfahren im Ursprungsprogramm hilft oft.