Text aus einer PDF herausholen
Zitate aus einem Bericht, eine Vertragsklausel für eine Mail, eine Tabelle, die in ein Rechenblatt soll: Wer Text im PDF-Viewer markiert, schleppt oft seltsame Zeilenumbrüche und Seitenzahlen mit. Diese Seite liest den in der PDF gespeicherten Text Seite für Seite und legt ihn in ein Feld, das du kopieren oder als .txt speichern kannst. Die PDF wird im Browser gelesen und nie hochgeladen.
Text aus einer PDF extrahieren in fünf Schritten
- Lege die PDF auf die Ablagefläche oder klicke darauf, um die Datei zu wählen. Beim ersten Mal wird der Seitenleser geladen, etwa ein halbes Megabyte.
- Tippe die gewünschten Seiten ein, zum Beispiel
1-3, 7, oder lass das Feld leer, um jede Seite zu lesen. - Wähle den Umgang mit Zeilen: so lassen, wie sie in der PDF stehen, oder zu Absätzen verbinden für Fließtext. Schalte die Seitenmarken ein, wenn du sehen willst, wo jede Seite beginnt.
- Drücke Text extrahieren. Eine Fortschrittszeile zeigt die gelesene Seite, und Abbrechen stoppt den Durchgang.
- Kopiere den Text oder lade ihn als .txt herunter. Eine Änderung der Zeilenoption oder der Marken aktualisiert das Ergebnis sofort, ohne die PDF erneut zu lesen.
Scans und was das Tool nicht lesen kann
Das Tool liest Text, der in der PDF gespeichert ist. Eine gescannte Seite ist nur ein Bild und liefert nichts, und das Ergebnis nennt, wie viele Seiten keinen Text hatten. Texterkennung (OCR) braucht große Modelle, die die kleine Größe dieser Seite sprengen würden, schicke einen Scan also zuerst durch ein OCR-Programm. PDFs aus Word, von einer Webseite oder aus einem App-Export tragen meist echten Text.
Lesereihenfolge, Spalten und Tabellen
Eine PDF speichert positionierte Textstücke, keine Absätze. Das Tool verbindet Stücke auf derselben Grundlinie, setzt ein Leerzeichen, wo die Lücke breit genug ist, und macht aus einem größeren senkrechten Abstand eine Leerzeile. Spalten, Tabellen, Kopf- und Fußzeilen sowie Fußnoten können in anderer Reihenfolge erscheinen, als sie auf der Seite aussehen. Ein Bindestrich am Zeilenende bleibt, wo er ist.
Größe und Datenschutz
Eine PDF darf bis zu 100 MB haben. Eine verschlüsselte PDF fragt nach dem Passwort, das nur im Arbeitsspeicher verwendet wird. Der Seitenleser ist pdf.js, ausgeliefert von dieser Seite, und keine Anfrage enthält den Inhalt deines Dokuments.