PDF in Text umwandeln (Kostenlos, Text aus textbasierten PDFs extrahieren)

Kostenloses Tool, um den Text aus einem PDF als reinen Klartext zu extrahieren. Alles läuft direkt in Ihrem Browser, ohne Upload, mit einem Klick zum Kopieren oder als .txt-Datei zum Herunterladen.

Was bedeutet PDF-Textextraktion?

Bei der PDF-Textextraktion wird der im PDF eingebettete Text als gewöhnlicher, durchsuch- und kopierbarer Klartext herausgelöst. Das ist praktisch, wenn Sie einen Vertrag, ein wissenschaftliches Paper oder einen Bericht als PDF erhalten haben, aber nur den Fließtext in ein anderes Dokument übernehmen oder in ein Übersetzungstool bzw. einen KI-Chat einfügen möchten, um ihn zusammenfassen zu lassen.

Dieses Tool liest die im PDF gespeicherten Koordinaten der einzelnen Zeichen aus, ermittelt daraus Zeilen- und Wortgrenzen und setzt daraus wieder einen zusammenhängenden Klartext zusammen. Der gesamte Vorgang läuft direkt auf Ihrem eigenen Gerät ab, sodass der Inhalt Ihres PDFs niemals an einen Server übertragen wird. Funktionieren kann das allerdings nur bei PDFs, die von Anfang an mit echten Textdaten erstellt wurden — etwa Exporte aus Word oder PowerPoint oder als PDF gespeicherte Webseiten. Bei eingescannten Papierdokumenten, die nur aus Bildern bestehen, lässt sich auf diesem Weg kein Text gewinnen.

So extrahieren Sie Text aus einem PDF

PDF auswählen Ziehen Sie die Datei in das Feld, oder klicken Sie, um sie über den Dateidialog auszuwählen.
Extraktion startet automatisch Sobald die Datei ausgewählt ist, beginnt das Tool sofort, den Text Seite für Seite auszulesen.
Ergebnis prüfen Im Textfeld unterhalb erscheint der gesamte extrahierte Inhalt aller Seiten in einem zusammenhängenden Block.
Kopieren oder speichern Nutzen Sie „Text kopieren" für die Zwischenablage oder „Als .txt herunterladen" für eine eigene Datei.

Tipps für die Nutzung

Die Zeilenumbrüche im Ergebnis orientieren sich am Layout des Original-PDFs, etwa an Spalten oder Tabellen. Bei zweispaltigen Dokumenten kann es vorkommen, dass sich der Sinn mitten in einer Zeile vertauscht — prüfen Sie das Ergebnis deshalb einmal kurz durch, bevor Sie es weiterverwenden.
Eingescannte Papierdokumente ohne echte Textdaten kann dieses Tool nicht verarbeiten. Für solche Bild-PDFs benötigen Sie ein separates Tool mit optischer Zeichenerkennung (OCR).
Formatierungen wie Überschriften oder Fettdruck gehen bei der Extraktion verloren. Wenn Sie das Layout mitsamt Formatierung erhalten möchten, ist ein Dokumentkonverter die bessere Wahl.
Möchten Sie vor der Extraktion einzelne Seiten auswählen oder neu anordnen, sparen Sie Zeit, wenn Sie das zuerst im PDF-Seitenorganizer erledigen.
Wenn Sie umgekehrt PDF-Seiten als Bilddatei benötigen, nutzen Sie den PDF-zu-Bild-Konverter.

Wann sich die PDF-Textextraktion lohnt

Textstellen aus einem Paper oder Bericht zitieren

Aus einem PDF lässt sich Text oft nur mühsam markieren. Als Klartext extrahiert, kopieren Sie genau den benötigten Absatz für ein Zitat.

Inhalt in ein Übersetzungstool oder einen KI-Chat einfügen

Tools, die PDFs nicht direkt lesen können, akzeptieren problemlos den extrahierten Klartext zum Zusammenfassen oder Übersetzen.

Einen Vertrag nach bestimmten Begriffen durchsuchen

Als .txt-Datei gespeichert, finden Sie eine bestimmte Klausel im Handumdrehen über die Suchfunktion Ihres Texteditors.

Inhalt eines alten PDFs in ein neues Dokument übernehmen

Auch ältere, textbasiert erstellte Dateien lassen sich so unkompliziert in ein aktuelles Dokumentformat überführen.

Begriffe rund um die PDF-Textextraktion

Textbasiertes PDF: Ein PDF, in dem Text als Koordinatendaten gespeichert ist, etwa ein Export aus Word oder PowerPoint. Nur diese Art von PDF kann dieses Tool verarbeiten.
Bildbasiertes PDF (gescanntes PDF): Ein PDF, das durch Einscannen eines Papierdokuments entstanden ist. Der Text sieht zwar lesbar aus, liegt aber tatsächlich nur als ein einziges Bild vor und lässt sich mit diesem Tool nicht extrahieren.
OCR (optische Zeichenerkennung): Eine Technik, die Zeichenformen innerhalb eines Bildes erkennt und in echte Textdaten umwandelt. Um Text aus einem bildbasierten PDF zu gewinnen, ist OCR nötig.
Klartext (reiner Text): Text ohne jegliche Formatierung wie Farbe, Schriftschnitt oder Schriftart — reine Zeichendaten. Genau in dieser Form gibt dieses Tool seine Ergebnisse aus.
.txt-Datei: Eine Klartextdatei mit der Endung „.txt". Da sie sich auf praktisch jedem Betriebssystem und in jeder Anwendung öffnen lässt, dient sie als universelles Speicherformat.

Häufig gestellte Fragen

Nein, es wird überhaupt nicht hochgeladen. Sowohl das Einlesen des PDFs als auch die Textextraktion geschehen vollständig in Ihrem Browser — der Inhalt der Datei wird zu keinem Zeitpunkt über das Netzwerk übertragen.

Nein. Ein eingescanntes Dokument sieht zwar wie Text aus, liegt als Datei aber nur als ein einziges Bild vor und enthält keine Zeichenkoordinaten, auf die dieses Tool zugreifen könnte. Für solche PDFs brauchen Sie ein Tool mit optischer Zeichenerkennung (OCR).

Ein PDF besteht im Kern aus Koordinatenangaben nach dem Muster „platziere dieses Zeichen an dieser Stelle" und kennt keine feste Absatzstruktur wie etwa Word. Bei Tabellen oder mehrspaltigen Layouts kann die tatsächliche Lesereihenfolge deshalb von der Extraktionsreihenfolge abweichen.

Ein PDF, das zum Öffnen ein Passwort benötigt, kann von diesem Tool nicht eingelesen werden. Entfernen Sie zuvor den Passwortschutz aus der Datei.

Dieses Tool verarbeitet jeweils eine Datei nach der anderen. Möchten Sie mehrere PDFs bearbeiten, wählen Sie einfach nacheinander jede weitere Datei aus.

Übrigens – Wie „Text" eigentlich in einem PDF gespeichert ist

Öffnet man ein PDF, erscheint der Text messerscharf auf dem Bildschirm, und man könnte meinen, im Inneren der Datei liege er ebenso als zusammenhängender Fließtext vor. Tatsächlich ist das nicht der Fall. Im Inneren eines PDFs reiht sich, ganz im Geiste von PostScript, der Sprache der Druckindustrie, aus der das Format hervorgegangen ist, eine lange Kette von Zeichenanweisungen aneinander: „Platziere dieses Zeichen in dieser Schriftart an dieser Koordinate auf der Seite." Es gibt darin nicht einmal die Einheiten Absatz oder Seite im eigentlichen Sinn — nur die Position einzelner Zeichen.

Genau hier setzt dieses Tool an: Es rekonstruiert aus dieser Ansammlung von Koordinaten die vermutliche ursprüngliche Reihenfolge des Textes. Zeichen auf derselben Höhe (derselben y-Koordinate) werden als eine Zeile behandelt, Zeilenumbrüche werden erkannt und aneinandergereiht, bis daraus für Menschen lesbarer Klartext entsteht. Bei Vorlagen, die zwar visuell klar wirken, deren Koordinaten aber in komplexer Reihenfolge angeordnet sind — etwa ein zweispaltiger Zeitschriftenartikel —, kann diese Rekonstruktion fehlschlagen, sodass sich der Sinn mitten in einer Zeile vertauscht.

Wer dieses Prinzip einmal verstanden hat, findet auch eine Antwort auf die naheliegende Frage, warum Kopieren und Einfügen aus PDFs so oft misslingt. Anders als Word-Dokumente oder Webseiten, die von vornherein über eine Strukturinformation wie Absätze, Überschriften und Tabellen verfügen, ist ein PDF im Grunde ausschließlich dafür ausgelegt, das visuelle Erscheinungsbild originalgetreu wiederzugeben. Jede Ableitung von Bedeutung aus der Zeichenanordnung ist dabei immer nur eine nachträgliche Vermutung. Es lohnt sich daher, das Ergebnis einer Extraktion mit diesem Hintergrundwissen einmal kurz zu überfliegen.

Alle Wissenstexte ansehen