PDF in Text umwandeln
Reduzieren Sie eine PDF auf ihre Wörter: keine Schriftarten, keine Bilder, kein Layout, nur eine .txt-Datei, die Sie durchsuchen, einfügen, vergleichen, an ein Skript übergeben oder in ein Übersetzungstool laden können. Gescannte Seiten werden vorher per Texterkennung (OCR) gelesen.
PDF-Konverter
oder PDF-Dateien hierher ziehen ·
Max. 95 MB pro Datei· Bis zu 20 Dateien· Gelöscht nach 30 Minuten
Dateien werden auf unseren Servern verarbeitet und nach 30 Minuten gelöscht.
Gescannte PDFs sind Bilder von Seiten. „Automatisch“ führt OCR nur auf Seiten ohne Textebene aus; „Immer“ erzwingt es für jede Seite.
Die Sprache, die im Scan gedruckt ist. Die richtige Wahl verbessert die Genauigkeit bei Akzenten und nicht-lateinischen Schriften spürbar.
„Fließtext“ ordnet den Text in normale, leicht bearbeitbare Absätze um. „Exaktes Layout“ setzt jeden Block an seine ursprüngliche Stelle, was identisch aussieht, aber schwerer zu bearbeiten ist.
Wohin erkannte Tabellen in der Arbeitsmappe kommen.
Seitenzahlen oder Bereiche, durch Kommas getrennt, z. B. 1-3, 5, 8-10.
So verwenden Sie dieses Tool
- 1
PDF hineinziehen
Laden Sie eine einzelne PDF-Datei oder bis zu 20 Dateien hoch, jeweils bis zu 95 MB. Gemischte Dateien mit getippten und gescannten Seiten werden Seite für Seite verarbeitet.
- 2
Bei Bedarf eingrenzen
Unter Umwandeln in ist bereits Nur-Text ausgewählt. Mit Umzuwandelnde Seiten unter Erweiterte Einstellungen extrahieren Sie nur das Kapitel oder den Anhang, den Sie brauchen.
- 3
.txt herunterladen
Klicken Sie auf Umwandeln in Nur-Text. Die Datei ist UTF-8-codiert, daher werden Akzente und nichtlateinische Schriften in jedem modernen Editor korrekt angezeigt.
Wie bekommt man Text am sauberersten aus einer PDF-Datei?
Wandeln Sie sie in eine reine .txt-Datei um. Sie erhalten jedes Wort in Lesereihenfolge, Absätze durch Leerzeilen getrennt und sonst nichts, bereit für jeden Editor oder jedes Programm.
Was beim Extrahieren von PDF-Text erhalten bleibt und was wegfällt
Der Konverter geht jede Seite in Lesereihenfolge durch, von oben nach unten und Spalte für Spalte, und schreibt die gefundenen Zeichen. Zeilen, die zu einem Absatz gehören, werden verbunden, Absätze durch eine Leerzeile getrennt. Der Text jeder Seite schließt an den der vorherigen an, sodass sich ein Kapitel als zusammenhängender Text liest.
Alles Visuelle entfällt: Schriftarten, Größen, Farben, Bilder, Diagramme und die Position des Textes auf der Seite. Das ist der Sinn der Sache. Ein 10 MB großer Bericht voller Fotos schrumpft typischerweise auf eine Textdatei von einigen hundert Kilobyte, die sich leichter durchsuchen, mit einem Diff-Tool zwischen Versionen vergleichen oder in ein Übersetzungs- oder Analysetool einfügen lässt.
Nutzer der Kommandozeile kennen vielleicht pdftotext aus den Projekten Poppler und Xpdf, das bei digitalen PDFs eine ähnliche Aufgabe erfüllt. Der Unterschied hier ist OCR: Seiten ohne Textebene werden in der gewählten Sprache erkannt, statt leer auszugeben. Für Bilder, die gar keine PDFs sind, nutzen Sie Bild in Text.
Reiner Text, Markdown oder Word: das passende Ausgabeformat wählen
Nur-Text
Nur Wörter, UTF-8.
- Kleinste Datei
- Öffnet sich überall
- Keine Überschriften oder Formatierung
Markdown
Text mit leichter Auszeichnung.
- Überschriften mit # markiert
- Listen und Fettdruck bleiben erhalten
- Weiterhin eine Textdatei
Word-Dokument
Vollständig bearbeitbares Layout.
- Tabellen und Bilder bleiben erhalten
- Formatvorlagen bleiben erhalten
- Erfordert ein Textverarbeitungsprogramm
Warum die Textdatei so klein ist
1 Bytepro englischem Buchstaben, Ziffer oder Leerzeichen in einer UTF-8-Textdatei
Portable Document Format
PDF wurde 1993 von Adobe entwickelt und 2008 zum offenen Standard ISO 32000. Es fixiert Text, Schriften, Bilder und Layout, sodass ein Dokument auf jedem Bildschirm und Drucker gleich aussieht. PDFs können Formulare, Signaturen, Links, Anhänge und durchsuchbaren Text enthalten, und die Variante PDF/A dient der Langzeitarchivierung. Wegen des festen Layouts lassen sich PDFs schwer bearbeiten, und gescannte PDFs enthalten nur Bilder, solange keine OCR angewendet wird. Jeder Browser und jedes Betriebssystem kann sie öffnen.
- Komprimierung
- –
- Transparenz
- Ja
- Animation
- Nein
- Eingeführt
- 1993 · Adobe
TXT
Nur-Text
Eine TXT-Datei enthält nur einfache Zeichen, ohne Formatierung, Schriftarten, Bilder oder Layout. Moderne Textdateien sind meist in UTF-8 kodiert, das alle Sprachen abdeckt; ältere Dateien nutzen teils andere Kodierungen und zeigen dann verzerrte Zeichen. Reiner Text ist winzig, veraltet nie und lässt sich auf jedem Gerät öffnen, vom Smartphone bis zum Server. Fetter Text, Tabellen oder Bilder sind nicht möglich, Struktur muss daher über Abstände oder einfache Auszeichnungen ausgedrückt werden.
- Komprimierung
- –
- Transparenz
- –
- Animation
- –
- Eingeführt
- –
Nur-Text aus einer PDF-Datei holt man sich, wenn man nur die Wörter braucht, etwa für Suche, Zitate, Übersetzung, Datenbereinigung oder die Weitergabe an ein anderes Programm, und das Layout nur stört.
FAQ zu PDF in Text
Warum kann ich den Text nicht einfach aus der PDF kopieren und einfügen?
Bei einem oder zwei Absätzen geht das, aber beim Kopieren aus einem PDF-Viewer werden oft Wörter am Zeilenende getrennt, Spalten durcheinandergebracht, Seitenköpfe mitten in Sätze eingefügt, und bei gescannten Seiten passiert gar nichts. Die Extraktion liest die ganze Datei in Lesereihenfolge und nutzt OCR, wo keine Textebene vorhanden ist.
Welche Kodierung hat die Textdatei?
UTF-8, die Codierung, die das Web und die meiste Software standardmäßig verwenden. Der Windows-Editor speichert neue Dateien seit Windows 10 Version 1903 standardmäßig als UTF-8, und macOS TextEdit, VS Code und jeder Browser lesen sie ohne Nachfrage. Zeigt ein altes Programm seltsame Zeichen an, suchen Sie nach einer Importoption, mit der Sie UTF-8 auswählen können.
Ist TXT dasselbe wie das Tool „PDF in TXT“?
Das Ergebnis ist identisch: eine .txt-Datei. Diese Seite konzentriert sich darauf, Text für die Weiterverwendung zu gewinnen; PDF in TXT ist dieselbe Umwandlung unter dem Namen der Dateiendung, nach dem ebenfalls gesucht wird.
Was passiert mit Tabellen?
Tabellenzellen werden in Lesereihenfolge geschrieben und durch Tabulatoren getrennt, sodass sich eine Tabelle recht gut in eine Tabellenkalkulation einfügen lässt. Wenn die Tabellen der Grund für die Umwandlung sind, behält PDF in Excel Zeilen und Spalten in echten Zellen bei.
Kann ich den Text mit markierten Überschriften erhalten?
Nur-Text kann Überschriften nicht kennzeichnen. Wählen Sie unter Umwandeln in Markdown, wenn Überschriften, Listen und Fettdruck mit einfachen Symbolen markiert werden sollen und die Datei dennoch eine Textdatei bleibt.
Funktioniert die Texterkennung bei Scans auch für Handschrift?
OCR ist für gedruckten Text gedacht. Saubere Blockbuchstaben werden oft erkannt, Schreibschrift dagegen nicht zuverlässig. Getippte oder gedruckte Scans mit 300 dpi liefern die besten Ergebnisse.
| PDF in Markdown | PDF in Word | PDF in EPUB |
| TXT in PDF | Bild in Text | HTML in TXT |
