PDF in Text umwandeln
Ein kostenloses Tool, das den Text aus einem PDF extrahiert und in eine Textdatei (TXT) umwandelt. Seiten mit Text werden direkt extrahiert, und der Text auf gescannten Seiten wird per OCR (optische Zeichenerkennung) gelesen. Ihr PDF wird in Ihrem Browser verarbeitet und nie hochgeladen. Per OCR lassen sich bis zu 200 Seiten auf einmal lesen (30 Seiten auf Geräten, auf denen die Verarbeitung länger dauert). Sie können PDFs mit bis zu 200 MB pro Datei öffnen (100 MB auf Smartphones und Tablets).
Nur wenn ein PDF Seiten ohne Text (etwa gescannte Seiten) oder mit Zeichensalat enthält, wird beim ersten Ausführen ein KI-Modell (ca. 17 MB) von dieser Website heruntergeladen; danach wird die im Browser gespeicherte Kopie verwendet. Ihre PDFs werden nie hochgeladen.
Einstellungen
Anleitung
- 1
PDFs hinzufügen
Wählen Sie die PDFs aus, die Sie in Text umwandeln möchten, oder legen Sie sie ab. Sie können mehrere PDFs auf einmal hinzufügen. Ihre PDFs werden nie hochgeladen.
- 2
Dokumentsprache und Seitenumbrüche wählen
Wählen Sie unter „Dokumentsprache“ die Sprache, in der das PDF geschrieben ist (wird beim Lesen gescannter Seiten verwendet). Um nur einige Seiten umzuwandeln, geben Sie diese unter „Seitenbereich“ ein. Unter „Seitenumbrüche“ wählen Sie, was zwischen den Seiten steht.
- 3
Umwandeln und speichern
Klicken Sie auf „Ausführen“, um eine TXT-Datei mit dem Text des PDFs zu erstellen. Speichern Sie sie mit „Speichern“ oder kopieren Sie alles mit „Text kopieren“. Wurden gescannte Seiten gelesen, können Sie die erkannten Zeilen mit „Erkannten Text prüfen“ prüfen.
Über das Umwandeln von PDF in Text
Seiten mit Text werden ohne KI-Modell mit PDFium extrahiert, der PDF-Engine, die auch in Chrome verwendet wird. Seiten ohne Text und Seiten mit Zeichensalat im Text (beim Markieren des Textes erscheinen andere Zeichen) werden mit dem Texterkennungsmodell von PaddleOCR (PP-OCRv6, Apache-2.0) gelesen, das in Ihrem Browser läuft. Nur dann wird beim ersten Ausführen das KI-Modell (ca. 17 MB) von dieser Website heruntergeladen; danach wird die im Browser gespeicherte Kopie verwendet. Bei PDFs, in denen viele Seiten Text haben, fragt das Tool vor dem Herunterladen des KI-Modells nach. Auf Geräten, die die GPU (WebGPU) nicht nutzen können, läuft die Verarbeitung auf der CPU und dauert länger als auf der GPU.
Bei Seiten, die bereits eine OCR-Textebene haben, wird dieser Text extrahiert. Bei Seiten, die Text und Bilder mischen, wird der Text extrahiert, und die Teile, die den Text nicht überlappen, werden gelesen. Gibt es mehr per OCR zu lesende Seiten, als auf einmal gelesen werden können, werden Seiten ohne Text von vorn gelesen, und die Nummern der nicht gelesenen Seiten werden angezeigt. Die gespeicherte Datei ist eine UTF-8-Textdatei (.txt). Was zwischen den Seiten steht, wählen Sie unter „Seitenumbrüche“ (standardmäßig eine Trennlinie wie „--- 1 / 3 ---“).
Technische Daten dieses Tools
- Eingabe
- Ausgabe
- TXT
- Grenzen
- Keine Begrenzung der Dateianzahl (Stapelverarbeitung). Bis zu 200 MB pro Datei (100 MB auf Smartphones und Tablets). Bis zu 200 Seiten auf einmal mit OCR gelesen (30 Seiten auf Geräten, die auf der CPU verarbeiten; die Nummern der darüber hinausgehenden Seiten werden angezeigt)
- Kostenlos, ohne Anmeldung, keine App-Installation
- Dateien werden nie hochgeladen (Verarbeitung im Browser)
Häufige Fragen
Wird mein PDF an einen Server gesendet?
Nein. Öffnen des PDFs, Extrahieren des Textes und Lesen des Textes auf gescannten Seiten geschehen vollständig im Browser auf Ihrem Gerät. Statistiken, die uns bei der Fehlerbehebung helfen (Bereich der Seitenzahl, Bereiche, bei wie vielen Seiten Text extrahiert und wie viele per OCR gelesen wurden, Bereich der Zeit pro Seite, Fehlerarten usw.), werden an den Server dieser Website gesendet. Sie enthalten weder den Inhalt des PDFs noch den extrahierten oder erkannten Text, Dateinamen, Passwörter oder die eingegebenen Seitenbereiche. Mit dem Schalter „Verarbeitungsstatistiken senden“ unten auf der Seite können Sie die Statistiken abschalten.
Kann es Text aus einem gescannten PDF extrahieren?
Ja. Seiten ohne Text und Seiten mit Zeichensalat im Text werden per OCR (optische Zeichenerkennung) gelesen. Es ist für horizontal geschriebenen gedruckten Text gedacht. Seiten mit vertikalem Text werden ebenfalls gelesen, aber mit mehr Fehlern als horizontaler Text, und Satzzeichen können fehlen. Handschrift wird nicht unterstützt. Um ein PDF durchsuchbar zu machen und als PDF zu behalten, verwenden Sie „PDF-OCR“.
Kann es Text aus einem passwortgeschützten PDF oder einem vom Ersteller eingeschränkten PDF extrahieren?
Ja. Ein passwortgeschütztes PDF öffnet sich, sobald Sie sein Passwort zum Öffnen eingeben. Hat der Ersteller das Kopieren und Extrahieren eingeschränkt, extrahiert das Tool den Text erst, wenn Sie das Berechtigungspasswort eingeben. Dieses Tool errät keine Passwörter; wenn Sie das Berechtigungspasswort nicht kennen, fragen Sie die Person, die das PDF erstellt hat. Eine Textdatei (TXT) kann kein Passwort und keine Einschränkungen enthalten, daher kann jeder die gespeicherte Datei öffnen. Text, der unter Anmerkungen wie schwarzen Kästen verborgen ist, wird ebenfalls extrahiert, wenn er noch als Text in der Datei steht; um Text aus der Datei zu löschen, verwenden Sie daher „PDF schwärzen“.
Kann der extrahierte Text Fehler enthalten?
Ja. Auf per OCR gelesenen Seiten können je nach Schriftgröße, Scan-Auflösung sowie Flecken oder Schräglage des Papiers einzelne Zeichen falsch gelesen werden oder fehlen. Weit auseinanderstehende Zahlen in Tabellen werden häufiger falsch gelesen als anderer Text. Ist „Japanisch“ als Dokumentsprache gewählt, können Zeichen außerhalb der JIS-Kanji-Stufen 1 und 2 sowie Emojis als ähnlich aussehende Zeichen gelesen werden. Spalten und Tabellen können in einer anderen Reihenfolge als der Lesereihenfolge ausgegeben werden. Seiten mit Text folgen der im PDF gespeicherten Reihenfolge, und auf per OCR gelesenen Seiten kann eine Tabelle mit langen Zellen spaltenweise ausgegeben werden. Klicken Sie auf „Erkannten Text prüfen“, um die per OCR gelesenen Zeilen auf der Seite umrandet zu sehen, wobei Zeilen mit erhöhter Fehlerwahrscheinlichkeit in einer anderen Farbe erscheinen.
Helfen Sie uns, den Dienst zu verbessern
Wenn eine Umwandlung fehlschlägt, hilft es uns bei der Suche nach der Ursache, wenn Sie uns die Umstände senden. Wenn wir wissen, auf welchen Geräten und bei welchen Formaten am häufigsten Fehler auftreten und wie lange die Verarbeitung dauert, können wir die unterstützten Formate überarbeiten und die zugrunde liegenden Fehler beheben. Wenn es Sie nicht stört, hilft es uns sehr, diese Option eingeschaltet zu lassen.
Was gesendet wird
- Das verwendete Tool und die gewählten Einstellungen (Ausgabeformat, Qualität usw.)
- Leistungsdaten Ihres Geräts (GPU, Arbeitsspeicher, Anzahl der Kerne)
- Das Eingabeformat mit ungefährer Größe
- Wie viele Dateien erfolgreich waren oder fehlgeschlagen sind und wie lange es gedauert hat
- Fehlertyp und Details, wenn etwas fehlschlägt
Was nie gesendet wird
- Die Dateien selbst und Dateinamen
- Der Text in PDFs, der von Ihnen umgeschriebene oder geschwärzte Text, Passwörter, Schriftnamen und die von Ihnen eingegebenen Seitenbereiche
- Der erkannte Text und die Positionen der erkannten Zeilen
- IP-Adressen
Die Daten werden nur an den eigenen Server dieser Website gesendet und nie an Drittanbieter weitergegeben.
Die vollständige Liste einschließlich der Angaben, die jedes Tool sendet, finden Sie unter „Verarbeitungsstatistiken“ in der Datenschutzerklärung.
Zusätzliche Angaben dieses Tools (nur Anzahlen, Zeiten, Arten und Ja/Nein)
Zusätzlich zu „Was gesendet wird“ sendet dieses Tool die folgenden Angaben.
- PDF-Tools (alle)
- Die Seitenanzahl als Bereich, ob das Bearbeiten eingeschränkt ist, ob ein Berechtigungspasswort eingegeben wurde und ob das PDF signiert oder verschlüsselt ist.
- PDF in Text
- Die Anzahl der Ein- und Ausgaben, der Seiten mit extrahiertem Text, der Seiten mit bereits vorhandenem OCR-Text, der Seiten, auf denen Text und Bilder gemischt sind, der per OCR gelesenen Seiten, der gelesenen Seiten ohne gefundenen Text, der Seiten mit Zeichensalat, der leeren Seiten, der als vertikaler Text neu angeordneten Seiten, der in der Ausrichtung korrigierten Seiten, der Seiten, die nicht gelesen wurden, weil das KI-Modell nicht heruntergeladen wurde, und der Seiten, die nicht gelesen wurden, weil sie über die Zahl der auf einmal lesbaren Seiten hinausgingen, der gelesenen Zeilen und Zeichen sowie der Stellen und Zeichen, die nicht gelesen wurden, weil sie vorhandenen Text oder Anmerkungen überlappten (jeweils als Bereich), die Bereiche des Anteils vertikaler Zeilen und des Anteils der Zeilen mit erhöhter Fehlerwahrscheinlichkeit, die Bereiche der Zeit pro Seite und der Ladezeit des KI-Modells, Typ und Version des KI-Modells und ob es heruntergeladen wurde, ob das Tool vor dem Herunterladen des KI-Modells nachgefragt hat, der Bereich der Darstellungsauflösung und ob sie verringert wurde, der Bereich der Anzahl der Teile, in die ein Bild für die Textsuche aufgeteilt wurde, ob die geschätzte Dauer 15 Minuten überschritten hat und ob die GPU nicht mehr verfügbar war.