PDF zu Text

Die PDF ist höchstwahrscheinlich ein Scan oder ein Foto, das keine Textebene zum Extrahieren hat. Schicken Sie sie zuerst durch OCR PDF. Dieses Werkzeug fügt eine Textebene hinzu und bietet auch direkt einen .txt-Download an.

Text wird von links nach rechts und von oben nach unten gelesen, entlang der internen Struktur der PDF, was bei den meisten einspaltigen Dokumenten korrekt ist. Mehrspaltige Layouts, Seitenleisten und Tabellen können durcheinander herauskommen, und Kopfzeilen, Fußzeilen und Seitenzahlen sind wie alles andere auf der Seite enthalten.

Nein. Die Ausgabe ist reiner UTF-8-Text, Umlaute, Kyrillisch, CJK und Arabisch bleiben also erhalten, Fettdruck, Überschriften, Links und Bilder aber nicht, und Zeilenumbrüche folgen den Zeilen der PDF statt den Absätzen. Für Überschriften und Listen als Markdown nutzen Sie PDF in Markdown.

Ja. Fügen Sie beliebig viele PDFs hinzu und klicken Sie einmal auf Extrahieren. Jede wird zu einer eigenen .txt-Datei, benannt nach der Quelle, und sie werden zusammen als pdf-to-text.zip heruntergeladen. Eine einzelne PDF wird direkt als filename.txt heruntergeladen.

Die Seiten folgen mit einem Zeilenumbruch dazwischen aufeinander. Es gibt keine Seitenmarker oder Seitenvorschübe, die Datei liest sich also als ein durchgehender Textstrom.

Nein, dieses Werkzeug extrahiert immer jede Seite. Ziehen Sie die benötigten Seiten zuerst mit Seiten extrahieren in eine separate PDF und wandeln Sie dann diese Datei um.

Fragt eine PDF beim Öffnen nach einem Passwort, fragt das Werkzeug vor dem Extrahieren danach. Ohne das Passwort lässt sich der Text nicht lesen.

Nein. Die Extraktion läuft in einer PDF-Engine, die als WebAssembly in Ihren Browser geladen wird, Verträge, Krankenakten und alles andere bleiben also von Anfang bis Ende auf Ihrem Gerät.