PDF in Text

PDF-Text in drei Schritten extrahieren

1. Wähle eine PDF-Datei bis 20 MiB und warte, bis Seitenzahl und unterstütztes Profil geprüft sind. Verschlüsselte und XFA-Dokumente werden nicht unterstützt.
2. Wähle alle Seiten oder gib physische Seitennummern und Bereiche wie 1,3-5 ein. Höchstens 200 Seiten sind auswählbar; wiederholte Seiten werden nur einmal in Dokumentreihenfolge extrahiert.
3. Wähle Text extrahieren. Prüfe den Text einzelner Seiten und wähle anschließend Gesamten Text kopieren oder TXT herunterladen für die vollständige aktuelle Auswahl.

Was der extrahierte Text darstellt

Das Werkzeug liest die vorhandene Textebene der PDF-Datei, nicht die Pixel eines Scans. Schriftzuordnungen, ursprüngliche Abstände und Textreihenfolge beeinflussen das Ergebnis; es kann von der sichtbaren Seite abweichen.

Textelemente bleiben in der von der Engine zurückgegebenen Reihenfolge. Ein von der Engine gemeldetes Zeilenende fügt einen Zeilenumbruch hinzu. Zwischen ausgewählten Seiten fügt das Werkzeug einen Zeilenumbruch, ein Seitenvorschubzeichen und einen weiteren Zeilenumbruch ein.

Die Engine normalisiert einige Kompatibilitätszeichen und Leerraumzeichen. Das Werkzeug rekonstruiert keine Spalten oder Tabellen, verbindet keine getrennten Wörter und garantiert nicht die ursprüngliche Unicode-Folge.

Die Vorschau zeigt jeweils eine ausgewählte Seite. Gesamten Text kopieren und TXT herunterladen umfassen die ganze Auswahl mit Seitentrennzeichen in UTF-8, ohne hinzugefügte Byte-Reihenfolge-Markierung.

Auswahl und leere Seiten

Bei einem Dokument mit fünf Seiten wählt die Eingabe 5,1,3-5 die Seiten 1,3,4,5 jeweils einmal in Dokumentreihenfolge aus. Gedruckte Seitennummern und Anzeigeetiketten ändern diese Indizes nicht.

Hat eine ausgewählte Seite keinen extrahierten Text, eine andere aber schon, bleibt die Position der leeren Seite im zusammengefügten Text durch Seitentrennzeichen erhalten.

Liefert keine ausgewählte Seite Text außer Leerraum, meldet das Werkzeug, dass kein Text extrahiert wurde. Das Dokument kann gescannt, leer, nur aus Glyphen bestehen oder keine nutzbaren Textzuordnungen haben; OCR wird nicht automatisch ausgeführt.

Unterstützter Umfang und Grenzen

Dies ist eine Textebenenextraktion, keine OCR und keine Konvertierung mit Layout-Erhalt. Kommentare, interaktive Formulare, Anhänge und die Lesereihenfolge des Strukturbaums werden nicht als Seitentext zugesichert.

Verborgener, abgeschnittener oder überdeckter Text kann enthalten sein. Die Extraktion bescheinigt keine Schwärzung, entfernt keine vertraulichen Inhalte und beweist nicht, dass der Text dem Sichtbaren entspricht. Prüfe das Ergebnis.

Die PDF-Datei darf bis zu 500 Seiten enthalten; höchstens 200 können ausgewählt werden. Es gelten Grenzen für Textelemente, einzelne Seiten, den Gesamttext und die Zeit; bei einem Seitenfehler oder überschrittenen Grenzwert erfolgt kein Teildownload.

Ein dedizierter Worker für die Engine unterstützt das Abbrechen. Browserplanung und native Speicherzuweisungen bieten jedoch keine harten Echtzeit- oder Speichergarantien. Ein Zeitlimit beweist nicht, dass die PDF-Datei ungültig ist.

Lokale Dokumentverarbeitung

Das Werkzeug lädt kein Dokument hoch, speichert keinen Eingabeverlauf und erzeugt keine URL mit Inhalt. Es kann feste Engine-Hilfsdateien vom selben Ursprung herunterladen. Kopieren und TXT-Download erfolgen nur auf deine Auswahl hin; dieser lokale Ablauf bescheinigt nichts über bestehende Dienste der Website.