Text extrahieren

Text aus PDF extrahieren: Überblick

Lesen Sie die Textebene eines PDFs aus, kopieren Sie sie oder laden Sie sie als TXT-Datei herunter. Erstellen Sie eine reine Textkopie eines Dokuments für Notizen, Suche, Zitate oder Weiterverwendung, ohne den sichtbaren Text abtippen zu müssen.

Der Text wird mit PDF.js aus der Ebene gelesen, die die PDF bereits enthält. Es gibt keine Texterkennung, eine gescannte oder abfotografierte Seite liefert deshalb überhaupt nichts: öffnet ein Dokument als Bild, wird keine Extraktion Wörter daraus gewinnen. Die Ausgabe ist reiner UTF-8-Text mit einer Leerzeile zwischen den Seiten. Die Abstände ergeben sich aus den Positionen der Textabschnitte im Original, mehrspaltige Layouts und Tabellen können sich daher eigenartig verschränken, und Formatierung, Bilder und Linkziele bleiben nicht erhalten.

Text aus PDF extrahieren mit PDFolio

PDFolio liest die vorhandene Textebene aus und zeigt anschließend eine Browser-Vorschau samt TXT-Download. Eine gescannte Seite kann lesbar aussehen, aber keinen markierbaren Text enthalten; dieses Tool liest vorhandenen PDF-Text und führt keine OCR aus.

Wollen Sie den Text mit etwas Struktur darum herum, behält PDF in HTML die Seitengrenzen als Abschnitte und lässt sich leichter durchgehen. Liefert die Extraktion nichts, ist das Dokument ein Scan, und der einzige Weg zum Text führt über Texterkennungssoftware, was ein lokales Browserwerkzeug nicht zuverlässig leisten kann.

Vor dem Download

Einfache Absätze werden meist sauber extrahiert. Tabellen, Spalten, Kopfzeilen und dekorative Layouts können als ein einziger Fließtext erscheinen, da PDFs positionierten Text statt der ursprünglichen Bearbeitungsstruktur speichern. Prüfen Sie die Vorschau, bevor Sie sich auf die TXT-Datei verlassen.

Laden Sie das fertige Ergebnis direkt herunter und öffnen Sie es zur abschließenden Kontrolle in Ihrem gewohnten PDF-Betrachter. Anschließend können Sie über Daten löschen temporäre Dateiverweise aus diesem Browser-Tab freigeben. PDFolio legt kein Konto, keinen Cloud-Ordner und keinen serverseitigen Dokumentverlauf an.

Text aus PDF extrahieren – privat und lokal

PDFolio verarbeitet die ausgewählten Dateien im aktiven Browser-Tab. Ein Web Worker auf Ihrem Gerät führt die PDF-Aufgabe aus, damit die Oberfläche reaktionsfähig bleibt. Die Dokumentdaten werden nicht an einen PDF-Verarbeitungsserver, eine Upload-Warteschlange, eine Kontodatenbank oder eine Werbeplattform gesendet.