PDF in Text umwandeln
Kostenlos, privat und schnell – alles läuft in Ihrem Browser, und Ihre PDF-Datei wird nie hochgeladen.
Warum eine PDF in reinen Text umwandeln
Text aus einem PDF-Reader zu kopieren klappt für einen Satz, aber bei einem ganzen Dokument kommen seltsame Zeilenumbrüche mit, Seiten fehlen, oder die Auswahl endet am Bildschirmrand. Dieses Werkzeug liest die Textebene jeder Seite und gibt Ihnen eine reine Textdatei in UTF-8 – bereit für einen Texteditor, ein Übersetzungsprogramm, ein Skript oder eine Suche. Der Text erscheint außerdem auf der Seite mit einer Schaltfläche zum Kopieren, sodass Sie ihn auch ohne Download einfügen können. Wählen Sie, wie die Seiten getrennt werden: mit einer kurzen Markierungszeile wie „--- Seite 2 ---“, einer Leerzeile oder einem Form-Feed-Zeichen für Programme, die Seiten so zählen. Viele PDF-Dateien, besonders Scans, haben gar keine Textebene; das Werkzeug sagt Ihnen, welche Seiten betroffen sind, statt eine leere Datei zu liefern.
So extrahieren Sie Text aus einer PDF
- Ziehen Sie Ihre PDF-Datei in das Feld oder klicken Sie, um sie auszuwählen.
- Wählen Sie, was zwischen den Seiten stehen soll.
- Klicken Sie auf „Text extrahieren“ und laden Sie die .txt-Datei herunter oder kopieren Sie den Text aus dem Feld darunter.
Worauf Sie achten sollten
Gescannte PDF-Dateien enthalten keinen Text
Ein Scanner oder eine Handykamera speichert jede Seite als Bild. Wurde beim Erstellen der PDF keine OCR (Texterkennung) ausgeführt, gibt es keinen Text zum Extrahieren, und dieses Werkzeug macht keine OCR. Seiten ohne Text werden mit Nummer aufgelistet; eine PDF mit getippten Seiten und gescannten Anlagen ist also trotzdem nützlich.
Spalten und Tabellen
Der Text kommt in der Reihenfolge heraus, in der die PDF ihn speichert. Bei normalen Absätzen ist das die Lesereihenfolge. Zeitungen mit mehreren Spalten, Formulare und Tabellen können Spalte für Spalte oder mit zusammengezogenen Zellen in einer Zeile herauskommen; prüfen Sie sie, bevor Sie sich auf das Ergebnis verlassen.
Seltsame Zeichen
Manche PDF-Dateien, oft ältere oder solche aus bestimmten Druckertreibern, verwenden Schriften ohne Tabelle, die angibt, welcher Buchstabe welche Form ist. Ihr Text sieht am Bildschirm richtig aus, kommt aber als unsinnige Zeichen heraus. Das liegt an der Datei; ein anderes Werkzeug, das dieselbe Textebene liest, erhält dasselbe Ergebnis.
Das Layout geht verloren
Eine .txt-Datei hat keine Schriften, keinen Fettdruck, keine Bilder und kein Seitenlayout, nur Zeichen und Zeilenumbrüche. Kopf- und Fußzeilen sowie auf die Seiten gedruckte Seitenzahlen gehören zum Text und erscheinen auf jeder Seite.
Über die Formate
PDF (Portable Document Format) wurde 1993 von Adobe entwickelt und ist seit 2008 ein ISO-Standard. Eine PDF-Datei sieht auf jedem Gerät gleich aus und wird deshalb für Verträge, Rechnungen, Formulare, Handbücher und gescannte Dokumente verwendet.
- Eine Seite kann Text, Vektorgrafiken und Bilder enthalten, die jeweils exakt platziert sind.
- Gescannte Dokumente bestehen meist aus einem Bild pro Seite.
- Eine PDF-Datei kann mit einem Passwort geschützt werden, das zum Öffnen oder Bearbeiten nötig ist.
Reiner Text
Eine reine Textdatei (.txt) enthält nur Zeichen und Zeilenumbrüche: keine Schriften, Farben, Bilder oder Layout. Damit ist sie das portabelste Dokumentformat überhaupt und lässt sich mit jedem Editor, jeder Suchfunktion und jeder Programmiersprache lesen.
- Die Kodierung bestimmt, wie Buchstaben jenseits von A–Z gespeichert werden; UTF-8 deckt jedes Alphabet ab.
- Windows beendet Zeilen mit CR LF, Mac und Linux mit LF; aktuelle Editoren lesen beides.
- Es gibt kein Seitenlayout, daher werden Seitenumbrüche als Markierungszeilen oder Form-Feed-Zeichen geschrieben.
Häufige Fragen
Wird meine PDF-Datei hochgeladen?
Nein. Der Text wird von Ihrem Browser auf Ihrem Gerät gelesen, und weder die PDF noch der Text werden irgendwohin gesendet.
Welche Kodierung hat die Textdatei?
UTF-8. Damit bleiben Buchstaben wie ä, ö, ü und ß sowie Zeichen aus anderen Alphabeten erhalten. Jeder aktuelle Texteditor, auch der Editor unter Windows 10 und 11 und TextEdit auf dem Mac, öffnet sie richtig.
Kann ich Text aus einer passwortgeschützten PDF extrahieren?
Nicht, wenn zum Öffnen ein Passwort nötig ist. Entfernen Sie das Passwort zuerst in Ihrem PDF-Reader und extrahieren Sie den Text dann hier.
Kann ich den Text nur einiger Seiten bekommen?
Das Werkzeug liest das ganze Dokument. Für einzelne Seiten extrahieren Sie diese Seiten zuerst in eine neue PDF und wandeln dann diese Datei um, oder Sie behalten die Seitenmarkierungen und löschen den Rest in einem Texteditor.