PDF-zu-Text-Extraktor

Der PDF-zu-Text-Extraktor verwandelt ein PDF wieder in sauberen, kopierbaren Klartext — ohne etwas hochzuladen. Öffnen Sie eine Datei, und das Tool liest die hinter jeder Seite gespeicherte Textebene, baut jede Zeile aus der Position der Glyphen neu auf und liefert Text, den Sie wirklich weiterverwenden können: zweispaltige Seiten kommen Spalte für Spalte statt vermischt heraus, die lebenden Titel und Seitenzahlen, die sich auf jeder Seite wiederholen, werden entfernt, Wörter, die durch einen Zeilenende-Bindestrich getrennt wurden, werden wieder zusammengefügt, und hart umbrochene Zeilen fließen zu echten Absätzen zusammen. Den originalen Abstand brauchen? Wechseln Sie zu Layout beibehalten für Tabellen, Rechnungen und Belege oder zu Rohreihenfolge, um genau zu sehen, was die Datei speichert. Alles geschieht in Ihrem Browser, sodass Verträge, Kontoauszüge, Arbeiten und Manuskripte Ihr Gerät nie verlassen.

So extrahieren Sie Text aus einem PDF

1. Öffnen Sie Ihr PDF. Ziehen Sie die Datei auf den Ablagebereich oder tippen Sie auf PDF-Datei auswählen. Sie wird auf Ihrem Gerät gelesen und nie hochgeladen. In Eile? Tippen Sie auf Beispielseite mit zwei Spalten ausprobieren, um das Tool sofort in Aktion zu sehen.
2. Wählen Sie einen Extraktionsstil. Intelligenter Fluss baut Absätze und Lesereihenfolge neu auf, Layout beibehalten bildet den Abstand auf der Seite nach, und Rohreihenfolge zeigt die unveränderte Extraktion.
3. Räumen Sie auf. Lassen Sie Wiederkehrende Kopf- und Fußzeilen entfernen, Getrennte Wörter zusammenfügen und Spalten erkennen eingeschaltet, und geben Sie unter Seiten einen Bereich wie 1-5, 12 ein, wenn Sie nur einen Teil des Dokuments brauchen.
4. Kopieren oder herunterladen. Lesen Sie die Vorschau und tippen Sie dann auf Gesamten Text kopieren, oder laden Sie das Ergebnis als .txt- oder Markdown-Datei herunter.

Welchen Extraktionsstil sollten Sie verwenden?

Was diesen PDF-zu-Text-Extraktor unterscheidet

Typische Anwendungen

Zitieren Sie eine Forschungsarbeit, ohne sie abzutippen; übernehmen Sie den Text eines Vertrags oder Mietvertrags in ein Dokument zum Gegenlesen; ziehen Sie die Einzelposten aus einer Rechnung oder einem Kontoauszug; speisen Sie einen Bericht in einen Übersetzer, Zusammenfasser oder eine Notiz-App; gewinnen Sie die Wörter eines E-Books oder Handbuchs für die Suche zurück; bereiten Sie einen sauberen Korpus für die Analyse vor; oder bringen Sie ein langes PDF einfach in eine Form, mit der Ihr Screenreader, Editor oder Telefon bequem umgehen kann.

So funktioniert die Extraktion

Fast jedes PDF, das digital erstellt wurde, speichert hinter der sichtbaren Seite eine unsichtbare Textebene: dieselben Zeichen, die Sie in einem Reader markieren können, jeweils mit der genauen Position, an der sie gezeichnet werden. Dieses Tool liest diese Ebene und rekonstruiert dann die Struktur aus der Geometrie. Zeichen, die eine Grundlinie teilen, werden zu einer Zeile. Der horizontale Raum, den jede Zeile auf der Seite einnimmt, wird gemessen, und ein vertikaler Streifen, den keine Zeile kreuzt, gilt als Spalt eines mehrspaltigen Layouts und legt die Lesereihenfolge fest. Zeilen über die volle Breite — Titel, Bildunterschriften, Linien — teilen die Seite in Spaltenbereiche und bleiben, wo sie sind. Schließlich zeigen der typische Zeilenabstand und der rechte Rand des Fließtexts, wo ein Absatz wirklich endet, sodass Zeilen nur dann verbunden werden, wenn der Text tatsächlich weitergeht.

Wann die Extraktion nicht funktionieren kann

Ein gescanntes Dokument ist ein Foto einer Seite. Es hat keine Textebene, daher gibt es nichts zu extrahieren, und jedes Tool, das etwas anderes behauptet, rät nur. Dieser Extraktor erkennt diesen Fall und sagt es, statt Ihnen eine leere Datei zu liefern; um Text aus einem Scan zu erhalten, brauchen Sie zuerst OCR (optische Zeichenerkennung). Verschlüsselte PDFs lassen sich ebenfalls nicht öffnen, bis der Schutz entfernt ist. Und weil ein PDF Zeichenanweisungen statt einer Dokumentgliederung beschreibt, sind manche Dinge von Natur aus näherungsweise: stark gestaltete Seiten, Seitenleisten, Fußnoten, mathematische Notation und als Vektorgrafik gezeichneter Text können in einer Reihenfolge herauskommen, die Sie von Hand nachbessern würden. Zwischen den drei Stilen zu wechseln ist meist der schnellste Weg zum saubersten Ausgangspunkt.