Läuft auf diesem Gerät

PDF in Text

Holen Sie die Wörter als reine Textdatei aus einem PDF — zu Absätzen gefügt zum Lesen, oder Zeile für Zeile für Daten.

    Text aus einem PDF herausholen — so geht es

    1. Wählen Sie Ihr PDF. Es wird sofort gelesen — es gibt nichts zu drücken.
    2. Wählen Sie, ob umbrochene Zeilen zu Absätzen gefügt oder genau so gelassen werden.
    3. Speichern Sie die .txt und öffnen Sie sie irgendwo — es ist reiner UTF-8-Text.

    Zwei verschiedene Aufgaben mit demselben Namen

    Hinter „den Text herausholen“ stecken zwei Aufgaben, die gegenteilige Behandlung verlangen. Wollen Sie das Ergebnis lesen oder irgendwo einfügen, sollen die Zeilen, die die Seite zufällig umbrochen hat, wieder zu Sätzen werden. Holen Sie eine Tabelle oder eine Liste von Codes heraus, *sind* diese Umbrüche die Struktur, und sie zu verbinden zerstört sie.

    Deshalb wird beides angeboten, statt zu raten. Das Zusammenfügen nutzt den Abstand zwischen den Zeilen, um zu entscheiden, wo ein Absatz wirklich endet, und setzt am Zeilenende getrennte Wörter wieder zusammen. Die Zeilen zu behalten gibt Ihnen die Seite genau so, wie sie gesetzt war, Zeile für Zeile.

    Der Text stammt aus der Textebene des PDFs selbst, es sind also die Wörter, die das Dokument tatsächlich enthält, keine Vermutung aus einem Bild. Das heißt auch: Ein gescanntes PDF enthält keinen Text zum Herausholen — es enthält Fotografien von Text. Das Werkzeug sagt das, statt Ihnen eine leere Datei zu geben.

    Die Ausgabe ist reines UTF-8, das jeder Editor, jede Tabellenkalkulation und jedes Skript ohne Umstände liest. Formatierung überlebt definitionsgemäß nicht: Wollen Sie Überschriften und Fettungen, nehmen Sie PDF in Word.

    Fragen zum Herausholen von Text

    Warum ist meine Datei leer?

    Weil das PDF ein Scan ist: Es enthält Bilder von Seiten statt Text. Diese Wörter zu lesen braucht OCR, und OCR online bedeutet, Ihr Dokument hochzuladen. Das Werkzeug sagt Ihnen das, statt Ihnen eine leere Datei zu geben.

    Zeilen zusammenfügen oder behalten?

    Zusammenfügen für alles, was Sie als Fließtext lesen oder einfügen — Berichte, Briefe, Artikel. Behalten für Tabellen, Code, Adressen oder Listen, wo die Umbrüche eine Bedeutung tragen, die das Zusammenfügen zerstören würde.

    Kommt die Formatierung mit?

    Nein, und genau das heißt reiner Text. Fett, Überschriften, Spalten und Tabellen werden alle zu Wörtern verflacht. Brauchen Sie die Formatierung, behält PDF in Word Absätze, Überschriften und Zeichenstile.

    Warum ist eine mehrspaltige Seite durcheinander?

    Ein PDF hält nicht fest, dass etwas eine Spalte war, also wird der Text in der Reihenfolge gelesen, in der er in die Datei gesetzt wurde — bei zweispaltigem Satz heißt das oft: quer zwischen den Spalten. Die Zeilen zu behalten statt sie zu fügen macht es meist leichter, das von Hand zu sortieren.

    Wird mein Dokument hochgeladen?

    Nein. Ihr Browser liest das PDF und schreibt die .txt auf Ihrem Gerät. Es wird nichts irgendwohin gesendet.

    Weitere PDF-Werkzeuge