Text aus PDF extrahieren und als TXT speichern
Hole den Text eines Dokuments in eine einfache .txt-Datei, die du durchsuchen, einfügen oder weiterverarbeiten kannst. Eine ehrliche Einschränkung vorweg: Gelesen wird nur Text, der bereits in der Datei steckt – OCR auf Scans gibt es hier nicht.
Kein Konto. Keine serverseitigen Dateigrößenlimits. Funktioniert offline, sobald geladen.
Vom PDF zur reinen Textdatei
Das Dokument hineinziehen
Die Seiten werden gerendert, damit du vor dem Extrahieren siehst, dass du die richtige Datei geladen hast.
Nur die Seiten behalten, deren Text du brauchst
Den Rest löschen – dann bleibt die Ausgabe fokussiert, statt als eine Textwand von Deckblatt bis Anhang anzukommen.
Eine .txt-Datei exportieren
Der Text wird in Seitenreihenfolge als reiner Text geschrieben. Layout, Tabellen und Spalten werden nicht rekonstruiert – das hier sind die Wörter, nicht die Gestaltung.
Was das kann und was es nicht kann
Reiner Text, direkt zum Einfügen
Eine .txt-Datei ohne Markup und ohne Formatierung – genau das, was man zum Suchen, Zitieren oder Weiterverarbeiten braucht.
Klare Ansage bei Scans statt Schwammigkeit
Es gibt hier kein OCR. Eine reine Bildseite liefert nichts – und dir wird genau gesagt, welche Seiten leer zurückkamen, statt kommentarlos eine kurze Datei auszugeben.
Erst die Seiten wählen
Lösche vor dem Export die Seiten, die du nicht brauchst, dann enthält die .txt den gesuchten Abschnitt statt des ganzen Dokuments.
Vertrauliche Dokumente bleiben, wo sie sind
Text wird meist aus etwas herausgeholt, das ausgewertet werden soll – ein Vertrag, ein Bericht, ein Kontoauszug. Nichts davon wird hochgeladen.
Häufige Fragen zur Textextraktion
Warum ist bei meinem gescannten PDF eine leere Datei herausgekommen?
Weil ein Scan ein Bild einer Seite ist und kein Text. Die Extraktion liest die Textebene, die ein PDF mitbringt, und eine gescannte oder fotografierte Seite hat keine. Buchstaben in einem Bild zu erkennen ist OCR – das macht dieses Werkzeug bewusst nicht und meldet solche Seiten stattdessen als leer.
Woran erkenne ich, ob mein PDF echten Text enthält?
Öffne es in einem beliebigen Reader und versuche, eine Zeile mit dem Cursor zu markieren. Wird der Text hervorgehoben, lässt er sich extrahieren. Bekommst du nur ein Auswahlrechteck über einem Bild, ist nichts zu holen.
Bleibt das Layout des Dokuments erhalten?
Nein. Die Ausgabe ist reiner Text in Seitenreihenfolge. Mehrspaltige Layouts, Tabellen und Kopfzeilen kommen als aufeinanderfolgende Zeilen heraus, was bei komplexem Layout durcheinander wirken kann.
Kann ich Text nur aus einem Teil des Dokuments holen?
Ja – lösche vor dem Export die Seiten, die du nicht willst. Eine Auswahl innerhalb einer Seite gibt es nicht, die kleinste Einheit ist also eine ganze Seite.
Werden Ligaturen und Umlaute korrekt übernommen?
Meistens. Der Text kommt so heraus, wie die Datei ihn kodiert hat, gut gemachte PDFs extrahieren also sauber. Dokumente aus älteren Programmen mit kaputten Font-Kodierungen können seltsame Zeichen liefern, und das kann kein Extraktor nachträglich reparieren.
Wird mein Dokument zum Extrahieren hochgeladen?
Nein. pdf.js liest die Textebene in deinem Browser und schreibt die .txt dort. Es wird nichts irgendwohin geschickt – was hier besonders zählt, weil dabei üblicherweise Dokumente im Spiel sind, die es zu analysieren gilt.