Filespry

Text aus einem PDF extrahieren

Holen Sie den Text aus einem PDF, um ihn zu kopieren, zu durchsuchen oder weiterzuverwenden. Es läuft in Ihrem Browser, Ihre Datei wird nicht hochgeladen. Gelesen wird nur echter Text: Gescannte PDFs werden nicht unterstützt, da es keine OCR gibt.

Ihre Dateien werden in Ihrem Browser verarbeitet und nicht hochgeladen.

So geht es

  1. Wählen Sie Ihr PDF aus oder ziehen Sie es auf das Feld.
  2. Haken Sie die gewünschten Optionen an: wiederkehrende Kopfzeilen entfernen, getrennte Wörter verbinden, Seitenzahlen markieren.
  3. Klicken Sie auf „Text extrahieren“ und warten Sie, bis die Seiten gelesen sind.
  4. Kopieren Sie den Text oder laden Sie ihn als .txt-Datei herunter. Zuvor können Sie ihn im Feld bearbeiten.

Was Sie beim Extrahieren von PDF-Text erwarten können

Viele PDFs speichern ihren Text als echte Zeichen mit einer Position auf der Seite. Die Extraktion liest diese Zeichen und baut aus ihren Abständen Zeilen und Absätze wieder auf. Das funktioniert gut bei Berichten, Artikeln und Verträgen aus einer Textverarbeitung und schlecht bei Scans, die nur Bilder enthalten.

Da ein PDF keine echte Absatzstruktur hat, schätzt das Werkzeug. Es verbindet Zeilen, die dicht beieinanderliegen, und beginnt bei einem größeren Abstand einen neuen Absatz. Aufzählungen bleiben als einzelne Zeilen erhalten. Spalten und Tabellen sind die Schwachstelle, da eine Seite Zeile für Zeile über die gesamte Breite gelesen wird.

Überfliegen Sie das Ergebnis nach dem Extrahieren auf seltsame Umbrüche und korrigieren Sie sie im Feld, das auch die Wort- und Zeichenzahl anzeigt. Stehen auf jeder Seite Kopfzeilen oder Seitenzahlen, lassen Sie die Bereinigungsoption an. Für einen Scan nutzen Sie ein Programm mit OCR und bringen das erkannte PDF danach bei Bedarf wieder hierher.

Häufige Fragen

Warum erscheint die Meldung, dass kein Text vorhanden ist?

Das PDF ist vermutlich ein Scan oder eine Sammlung fotografierter Seiten. Sie enthalten Bilder von Buchstaben statt echten Texts, und dieses Werkzeug hat keine OCR (Texterkennung), es gibt also nichts zu extrahieren. Ein aus einer Textverarbeitung exportiertes PDF funktioniert normalerweise.

Warum ist die Reihenfolge meines Textes durcheinander?

Das Werkzeug liest den Text in der Reihenfolge, in der er auf der Seite angeordnet ist. Bei mehreren Spalten, Tabellen, Seitenleisten oder Textfeldern können Zeilen aus verschiedenen Bereichen vermischt werden. Kurze einspaltige Dokumente gelingen am besten. Den Rest korrigieren Sie im bearbeitbaren Feld.

Was bewirken die Bereinigungsoptionen?

Das Entfernen wiederkehrender Kopf- und Fußzeilen löscht Zeilen, die oben oder unten auf mindestens der Hälfte der Seiten stehen, etwa Titel und Seitenzahlen. Das Verbinden getrennter Wörter fügt ein am Zeilenende mit Bindestrich getrenntes Wort zusammen. Das Markieren der Seiten setzt vor jede Seite eine Beschriftung.

Wird mein PDF auf einen Server hochgeladen?

Nein. Der Text wird in Ihrem Browser extrahiert, Ihre Datei verlässt Ihr Gerät nie. Passwortgeschützte PDFs lassen sich hier nicht öffnen, und sehr lange Dokumente hängen vom Speicher Ihres Geräts ab.

Ähnliche Tools

  • PDF in JPG

    PDF-Seiten als JPG oder PNG speichern

    Neu
  • Wortzähler

    Wörter, Zeichen, Sätze und Lesezeit zählen

  • PDF bearbeiten

    Text, Bilder, Formen und Unterschriften in ein PDF einfügen

    Neu
  • PDF teilen

    PDF nach Seitenbereichen oder in Einzelseiten teilen