PDF-Text extrahieren
Tool teilen
Enthalten ist nur diese öffentliche Adresse. Deine Dateien, Eingaben und Ergebnisse bleiben ausserhalb des Links.
Kopiere PDF-Text mit lesbaren Absätzen. Prüfe die Quelle, korrigiere die Lesereihenfolge und bereinige Umbrüche vor dem TXT- oder Markdown-Export.
Dein Tool wird vorbereitet …
An einem Beispiel erklärt
Erst eine Spalte, dann die nächste lesen
Beispiel: Eine zweispaltige Seite wird zeilenweise statt spaltenweise ausgelesen.
- Ausgelesene Reihenfolge
Der Fluss
Der Berg
mündet in den See.
hat einen verschneiten Gipfel.
Verschachtelte Auslese
Die rechte Spalte beginnt, bevor der Satz links zu Ende ist.
- Korrigierte Reihenfolge
Der Fluss mündet in den See.
Der Berg hat einen verschneiten Gipfel.
Geprüfte Lesereihenfolge
Nach der Korrektur bleibt jeder Gedanke zusammen.
Prüfe zuerst das Seitenlayout und danach, wie Zeilenumbrüche und Absätze verbunden werden.
Illustratives Beispiel. Spalten- und Absatzvorschläge beruhen auf Heuristiken. Das Tool nutzt auswählbaren PDF-Text, keine OCR; Tabellen, Code und gedrehter Text brauchen besondere Aufmerksamkeit.
So funktioniert’s
- PDF auswählen oder ablegen, alternativ die synthetischen Lernnotizen laden.
- Lesereihenfolge vorschlagen und die Quellvorschau prüfen. Einzelne Zeilen umsortieren und Überschriften, Listen oder geschützte Code-/Tabellenzeilen festlegen.
- Absatzverbindung und optional wiederholte Randtexte wählen. Jeden harten Trennstrich einzeln bestätigen; echte Bindestrichwörter bleiben standardmässig erhalten.
- Bereinigte Vorschau mit Original und Änderungsprotokoll vergleichen. Bis zu fünf letzte Änderungen können rückgängig gemacht werden.
- Geprüften Text kopieren oder TXT/Markdown vorbereiten. Erzeugte Bytes werden vor dem Download als UTF-8 erneut gelesen und verglichen.
Das dreiseitige Beispiel enthält deutsche Spalten mit Datenver- / arbeitung, das echte Bindestrichwort E-Mail-Konto, englische Absätze, Listen, Code und wiederholte Randtexte. Bestätige nur die Datenver-Trennung; Code und echte Bindestriche müssen bleiben.
Details & Grenzen
Nur auslesbarer Text; keine OCR. Bis 25 MiB, 100 Seiten, 50.000 Fragmente und 2 Millionen Textzeichen. Jeder Worker-Vorgang hat eine Grenze von 60 Sekunden. Komplexe Kompression und ungewöhnlich grosse entpackte Inhalte können abgewiesen werden. Textexport bis 16 MiB. Spalten, Absätze und Randwiederholungen sind Heuristiken; Tabellen, Code und gedrehter Text benötigen Kontrolle. Eingebettete Bilder: ungefilterte/Flate-Pixel oder geprüftes JPEG, bis 8.192 px je Kante. Inline-Bilder, JPEG 2000, JBIG2, CCITT und ungewöhnliche JPEG-Varianten werden nicht unterstützt.
Werden jede Spalte, Tabelle und gescannte Seite zuverlässig rekonstruiert?
Nein. Lesereihenfolge und Bereinigung sind kontrollierbare Vorschläge. Sortiere Zeilen um und schütze komplexe Inhalte manuell. Seiten ohne auslesbaren Text werden separat genannt; Scans und Buchstaben als Pfade gelten nicht als erfolgreiche Textextraktion.