MyDevTools
DE

PDF in Text

Textebene von PDF-Dateien im Browser als UTF-8-.txt-Dateien extrahieren, mit Unicode-Zuordnung der Schriften und Stapelbetrieb. Ohne Upload, ohne OCR.

Eingaben und Dateien bleiben im Browser

PDF hochladen

oder Datei vom Gerät auswählen

Auf dieser Seite

Extrahieren Sie die Textebene von PDF-Dateien im Browser in einfache UTF-8-Dateien .txt — zum Durchsuchen, Vergleichen oder zur Weiterverarbeitung in Skripten. Nichts wird hochgeladen, und es kommt kein OCR zum Einsatz.

Detaillierte Funktionalität

Der Extraktor liest die Textausgabe-Befehle jeder Seite und dekodiert Zeichen über die ToUnicode-Tabelle der Schrift, die eingebettete TrueType-cmap oder die WinAnsi-Kodierung, sodass Kyrillisch und andere nicht-lateinische Texte korrekt herauskommen, wenn die PDF die Zuordnung enthält. Eine neue Zeile beginnt dort, wo die PDF zur nächsten Zeile wechselt, und Seiten werden durch eine Leerzeile getrennt.

Gescannte PDFs enthalten nur Bilder und liefern leeren Text, da kein OCR vorhanden ist. Mehrspaltige Layouts und Tabellen werden in der Reihenfolge ausgegeben, in der der Text in der Datei gespeichert ist, und Leerzeichen zwischen Wörtern hängen davon ab, wie die PDF erzeugt wurde. Passwortgeschützte PDFs werden mit einer klaren Meldung abgelehnt.

Fügen Sie mehrere PDFs auf einmal hinzu: Sie werden nacheinander in einem Web Worker mit Fortschrittsbalken verarbeitet, Abbrechen stoppt sofort, und jede fertige Zeile erhält TXT herunterladen, womit <name>.txt gespeichert wird.

Praktische Beispiele

Zweiseitiges Dokument: Eine PDF mit den Seiten „Second doc page A“ und „Second doc page B“ ergibt Second doc page A, eine Leerzeile und Second doc page B.

Große Datei: Eine PDF mit 2.500 Seiten und 5.44 MB ergibt eine 36 KB große big.txt, während die Seite reaktionsfähig bleibt.

Gescannter Vertrag: Eine PDF aus Seitenbildern ergibt eine leere .txt — führen Sie vorher anderswo eine OCR durch.

Passwortgeschützte Datei: zeigt „locked.pdf: Die PDF ist passwortgeschützt und kann nicht verarbeitet werden.“, während die übrigen Dateien im Stapel trotzdem extrahiert werden.

So verwenden Sie dieses Tool

  1. PDF-Dateien hinzufügen

    Klicken Sie auf Datei auswählen oder ziehen Sie eine oder mehrere PDFs auf PDF hochladen. Sie erscheinen unter Zu verarbeitende Dateien.

  2. Extrahieren

    Klicken Sie auf Text extrahieren. Der Fortschrittsbalken zeigt die aktuelle Datei; Abbrechen stoppt den Stapel.

  3. Text herunterladen

    Klicken Sie in einer Zeile auf TXT herunterladen, um <name>.txt (UTF-8) zu speichern.

Tipps und Best Practices

  • Ist das Ergebnis leer, handelt es sich wahrscheinlich um einen Scan: Es gibt keine Textebene zum Extrahieren.
  • Unleserliche Zeichen bedeuten, dass die PDF für ihre Schrift keine brauchbare Unicode-Zuordnung hat; Kopieren aus einem PDF-Viewer scheitert dann meist genauso.
  • Tabellen und Spalten kommen in Speicherreihenfolge heraus, prüfen Sie daher die Zeilenreihenfolge, bevor Sie den Text mit Skripten auswerten.
  • Bereits extrahierte Dateien werden beim erneuten Klick auf Text extrahieren übersprungen, sodass Sie derselben Liste weitere Dateien hinzufügen können.