Über das Tool „PDF-Text extrahieren“
Mit PDF-Text extrahieren holen Sie den Text aus einem PDF, damit Sie ihn in eine E-Mail, ein Dokument oder ein Übersetzungsprogramm kopieren oder als einfache .txt-Datei speichern können. Wählen Sie alle Seiten oder nur die, die Sie brauchen, und der Text erscheint Seite für Seite, mit einer Markierung am Anfang jeder Seite.
Der Text wird aus dem PDF selbst gelesen: die Wörter und ihre Positionen auf der Seite, wieder zu Zeilen und Absätzen zusammengesetzt. Das funktioniert bei PDFs aus Dokumenten, Webseiten, Präsentationen und Formularen, in jeder Sprache, auch Koreanisch, Japanisch und Chinesisch.
Eine gescannte Seite ist etwas anderes: Dort ist der Text nur ein Bild von Buchstaben, ohne Textdaten dahinter. Dieses Tool führt keine OCR durch und sagt Ihnen daher, wenn ein PDF keinen Text enthält, den es extrahieren könnte. Die Datei wird in Ihrem Browser gelesen und nie hochgeladen.
Anleitung
- Wählen Sie ein PDF aus oder ziehen Sie es auf die Seite.
- Lassen Sie „Alle Seiten“ gewählt oder wählen Sie „Benutzerdefiniert“ und geben Sie die zu lesenden Seiten ein, etwa 1-3, 7.
- Lassen Sie „Anfang jeder Seite markieren“ eingeschaltet, um vor jeder Seite eine Zeile wie „— Seite 3 —“ zu sehen, oder schalten Sie es für einen durchgehenden Text aus.
- Klicken Sie auf „Text extrahieren“. Bei langen Dokumenten wird der Fortschritt angezeigt, und Sie können abbrechen.
- Kopieren Sie den Text aus dem Feld oder klicken Sie auf „.txt herunterladen“, um ihn zu speichern.
Funktionen
- Zeilen und Absätze: Textstücke werden in der Reihenfolge der Datei wieder zu Zeilen zusammengesetzt, mit Leerzeichen zwischen den Wörtern und einer Leerzeile zwischen Absätzen.
- Jede Sprache: Text in Koreanisch, Japanisch, Chinesisch und anderen Schriften wird mit den im PDF eingebetteten Schriften gelesen.
- Seitenbereiche: Lesen Sie das ganze Dokument oder nur die eingegebenen Seiten, in der Reihenfolge des Dokuments.
- Kopieren oder herunterladen: Kopieren Sie das Ergebnis mit einem Klick oder speichern Sie es als UTF-8-.txt-Datei, die nach dem PDF benannt ist.
- Privat: Das PDF wird in Ihrem Browser gelesen. Es wird weder hochgeladen noch gespeichert.
Beispiele
Aus einem Bericht zitieren
Lesen Sie die Seiten 4 bis 6 eines Berichts und kopieren Sie einen Absatz in Ihre Notizen.
Wörter zählen
Extrahieren Sie eine Arbeit und fügen Sie sie in einen Wortzähler ein, um ihre Länge zu prüfen.
Eine Anleitung übersetzen
Speichern Sie den Text einer Anleitung als .txt und fügen Sie ihn in ein Übersetzungsprogramm ein.
Einschränkungen und Hinweise
- Gescannte PDFs und Fotos von Seiten enthalten keinen Text, den man extrahieren könnte; dieses Tool führt keine OCR durch.
- Tabellen, mehrspaltiger Text und senkrechte Schrift werden nicht wie auf der Seite angeordnet; der Text folgt der Reihenfolge in der Datei.
- Manche PDFs speichern ihre Buchstaben, ohne anzugeben, um welche Zeichen es sich handelt, und ihr Text kommt verstümmelt heraus.
- Passwortgeschützte PDFs lassen sich nicht öffnen.
- Sehr große PDFs brauchen eine Weile und Arbeitsspeicher, da jede Seite im Browser gelesen wird.
Häufige Fragen
Warum heißt es, es wurde kein Text gefunden?
Das PDF enthält keine Textdaten, was bei gescannten Dokumenten und Fotos von Seiten üblich ist: Ihr Text ist nur ein Bild. Für Text in solchen PDFs braucht man OCR, die dieses Tool nicht durchführt.
Kann ich den Text nur aus einigen Seiten extrahieren?
Ja. Wählen Sie „Benutzerdefiniert“ und geben Sie die Seiten ein, etwa 1-3, 5 oder 8- für Seite 8 bis zum Ende.
Bleibt das Layout von Tabellen und Spalten erhalten?
Nein. Der Text kommt Zeile für Zeile in der Reihenfolge heraus, in der er im PDF gespeichert ist. Das liest sich meist gut, bewahrt aber keine Tabellen oder nebeneinanderstehenden Spalten.
Funktioniert es bei koreanischen oder japanischen PDFs?
Ja. Text in jeder Schrift wird gelesen, solange das PDF Textdaten enthält und nicht Bilder von Text.
Wird mein PDF hochgeladen?
Nein. Die Datei wird gelesen und der Text in Ihrem Browser extrahiert; nichts wird an einen Server gesendet.