Text aus PDF extrahieren
Extrahieren Sie auswählbaren Text aus einem PDF und speichern Sie ihn als TXT-Datei.
Bis zu 25 MB und 250 Seiten. Extrahiert digitalen Text; keine OCR.
Leer: alle Seiten. Die eingegebene Reihenfolge bleibt erhalten.
Ihre Dateien werden hier auf Ihrem Gerät verarbeitet
Wir senden Ihre Datei- oder Textinhalte nicht an einen Verarbeitungsserver. Es ist kein Konto erforderlich und es gibt keine tägliche Betriebsquote. Einzelne Tools haben Größenbeschränkungen, um den Speicher Ihres Geräts zu schützen.
Eine Verbindung ist erforderlich, um die Website und ihre Ressourcen zu laden. Hosting kann technische Besuchsdaten erhalten. Favoriten speichern nur Werkzeugkennungen in diesem Browser.
Wie wir mit Ihren Daten umgehen →Wie man dieses Tool benutzt
- Wählen Sie ein PDF mit bis zu 25 MB und 250 Seiten aus.
- Geben Sie Seiten ein oder lassen Sie das Feld leer, um alle Seiten zu extrahieren.
- Überprüfen Sie die Lesereihenfolge und Zeilenumbrüche und kopieren oder laden Sie den TXT herunter.
Ein Beispiel, das Sie überprüfen können
Extrahieren Sie Zeilen aus einer Probe, die digitalen Text enthält.
Beispieleingabe
3-page Kitavio sample PDF.
Erwartetes Ergebnis
Kitavio sample - A1 Fictitious sample. No personal data. Source A - page 1 of 3
Versuchen Sie diese Dateien mit fiktiven Daten:
Beispieldatei herunterladen · sample-3-pages.pdfDie Ausgabe enthält den digitalen Text der ersten Seite. Ein gescanntes PDF ohne auswählbaren Text erzeugt diesen Inhalt nicht.
Extrahieren Sie PDF-Text, ohne das Dokument hochzuladen
Ihr Browser öffnet die PDF und erstellt die TXT auf Ihrem Gerät. Digitaler Text ist erforderlich: Scans ohne Textebene benötigen OCR. Überprüfen Sie nach der Extraktion Spalten, Tabellen und Zeilenumbrüche.
Text aus PDF extrahieren: Gebrauch und praktische Anleitung
Durch das Extrahieren von Text aus einer PDF-Datei stehen bereits als Dokumenttext gespeicherte Wörter zur Wiederverwendung zur Verfügung. Dies kann helfen, ein Zitat vorzubereiten, einen Bericht zu überprüfen oder Absätze in einen anderen Editor zu verschieben. Sichtbare Beschriftung allein reicht nicht aus: Ein Scan kann Wörter als Pixel anzeigen, ohne wiederherstellbare Zeichen zu enthalten. Der Versuch, einen Satz in Ihrem PDF-Reader auszuwählen, gibt einen ersten Hinweis darauf, ob die Datei eine verwendbare Textebene enthält.
Die Extraktion führt keine OCR durch. Eine Seite, die nur aus einem Foto besteht, kann wenig Text oder gar keinen Text ergeben. Selbst mit einer Textebene kann die interne Reihenfolge von der visuellen Lesereihenfolge der Seite abweichen. Spalten, Tabellen, wiederholte Überschriften und Wörter, die über Zeilenenden gestrichelt sind, erfordern eine Überprüfung. Verlassen Sie sich nicht auf die extrahierte Ausgabe, ohne die Quelle zu überprüfen, wenn die Position einer Zahl oder die Beziehung zwischen einem Label und seinem Wert wichtig ist.
Kopieren Sie das Ergebnis in einen Editor und vergleichen Sie es mit repräsentativen Seiten des PDF. Überprüfen Sie Akzente, Symbole, Zahlen und Absatzgrenzen. Setzen Sie die Textreinigung oder die Vergleichstools fort, nachdem Sie eine Kopie der ersten Extraktion beibehalten haben. Klartext bewahrt nicht die visuelle Formatierung des Dokuments. Konvertieren Sie eine Seite in ein Bild, wenn ihr Aussehen aufgezeichnet werden muss. Verwenden Sie einen separaten OCR-Workflow für gescannte Beschriftungen und Überprüfungserkennungsgenauigkeit, anstatt davon auszugehen, dass dieses Extraktionstool fotografische Inhalte transkribieren kann.
Ein praktischer Check vor der Verwendung des Ergebnisses
Wenn die Extraktion eines Berichts Spalten mischt, vergleichen Sie einen bestimmten Absatz mit der sichtbaren Seite, bevor Sie ihn wiederverwenden. Bewahren Sie Quellenhinweise auf, um die korrekte Reihenfolge zu erhalten und Zahlen zu überprüfen. Überprüfen Sie, ob wiederholte Überschriften in den Text eingegeben wurden, da sie Sätze unterbrechen können, selbst wenn einzelne Wörter korrekt wiederhergestellt wurden.
Optionen und Grenzen
Wählen Sie ein PDF und geben Sie optional Seiten oder Bereiche wie 1,3-5 an. Lassen Sie das Feld leer, um das gesamte Dokument zu bearbeiten. Bestehender digitaler Text wird extrahiert und Seiten werden durch einen Formularfeed getrennt. Maximal 25 MB, 250 Seiten und 2 Millionen Ausgabezeichen. Ihr Dokument wird lokal verarbeitet.
Häufige Fragen
Erkennt es gescannten Text oder bewahrt Spalten auf?
Es wird kein OCR durchgeführt. Scans ohne Textebene können leere Ausgabe erzeugen. Die Lesereihenfolge folgt dem internen Inhalt des PDF, sodass Spalten, Tabellen und Zeilenumbrüche manuell korrigiert werden müssen.
Sind meine Daten auf einem Server gespeichert?
Nein. Inhalte und Dateien werden in Ihrem Browser ohne Account verarbeitet. Das Schließen der Seite verliert nicht gespeicherte Ergebnisse.