PDF in Text — Text aus einem PDF extrahieren, ohne Upload

Text aus einem PDF extrahieren (kopieren oder als .txt herunterladen)

Aktualisiert am 15. Oktober 2026

Füge unten ein PDF hinzu, und sein Text erscheint im Feld, Zeile für Zeile so, wie er auf der Seite steht. Kopiere ihn oder lade ihn als .txt-Datei herunter. Optionen fügen pro Seite eine Überschrift ein und verbinden Wörter, die am Zeilenende getrennt wurden. Der Text wird von PDF.js im Arbeitsspeicher deines Browsers gelesen; die Datei wird nie hochgeladen.

Läuft komplett in deinem Browser – deine Dateien werden nirgendwohin hochgeladen.

So extrahierst du Text aus einem PDF

PDF hinzufügen. Tippe auf „PDF auswählen“ oder zieh die Datei auf die Seite. Ist sie passwortgeschützt, gib das Passwort ein und tippe auf „Öffnen“.
Die Seiten lesen lassen. Die Textelemente jeder Seite werden gelesen und aus ihren Positionen zu Zeilen zusammengesetzt. Ein Fortschrittsbalken zeigt die aktuelle Seite.
Ausgabe anpassen. Hake „Eine Seite pro Abschnitt“ an, um über jeder Seite eine Überschrift zu bekommen, und „Silbentrennung entfernen“, um am Zeilenende getrennte Wörter zu verbinden. Das Feld aktualisiert sich sofort.
Kopieren oder herunterladen. Tippe auf „Text kopieren“, um ihn in die Zwischenablage zu legen, oder auf „.txt herunterladen“, um eine Textdatei mit dem Namen des PDFs zu speichern.

Was es kann

Extrahiert die komplette Textebene eines PDFs und behält Zeilenumbrüche und Absatzabstände so, wie sie auf der Seite erscheinen
Eine Seite pro Abschnitt: setzt eine Überschrift „Seite 3 von 12“ über den Text jeder Seite
Silbentrennung entfernen: verbindet am Zeilenende getrennte Wörter (Doku- / ment → Dokument)
Mit einem Tipp in die Zwischenablage kopieren oder als UTF-8-.txt-Datei herunterladen
Sagt dir, wenn ein PDF keine Textebene hat (ein Scan), und verlinkt das OCR-Tool, statt eine leere Datei zurückzugeben
Läuft komplett auf deinem Gerät — die einzige Netzwerkanfrage lädt die Open-Source-Bibliothek PDF.js

Was extrahiert das Tool?

Eine PDF-Seite ist eine Liste von Zeichenanweisungen. Wurde die Datei aus einem digitalen Dokument erzeugt — einer Word-Datei, einer Webseite, einer E-Mail —, enthalten diese Anweisungen eine Textebene: die Zeichen selbst plus die Position jedes Stücks auf der Seite. PDF.js liest diese Ebene und meldet sie als positionierte Textelemente (seine getTextContent-API). Dieses Tool setzt aus diesen Elementen lesbare Zeilen zusammen und gibt dir das Ergebnis als reinen Text. Ist das PDF ein Scan, gibt es keine Textebene und nichts zu extrahieren; das Tool sagt das und schickt dich zur OCR, statt dir eine leere Datei zu geben.

Wie werden Zeilen rekonstruiert?

Regel	Was sie tut	Warum
Gleiche Grundlinie → gleiche Zeile	Textelemente, deren vertikale Position sich um weniger als die halbe Glyphenhöhe unterscheidet, werden von links nach rechts zu einer Zeile verbunden	PDF-Erzeuger zerlegen eine Zeile in viele Elemente (pro Wort, pro Schriftwechsel, pro Kerning-Paar)
Lücke → Leerzeichen	Eine horizontale Lücke zwischen zwei Elementen, die breiter ist als ein Viertel der Glyphenhöhe, wird zu einem einzelnen Leerzeichen	Viele PDFs speichern nie Leerzeichen; die Lücke ist der einzige Hinweis
Großer vertikaler Abstand → Leerzeile	Ein Abstand von mehr als 1,6 Zeilenhöhen zwischen Zeilen fügt eine leere Zeile ein	Hält Absätze und Überschriften sichtbar getrennt
Eine Seite pro Abschnitt (Option)	Setzt vor jede Seite eine Überschrift `===== Page n of N =====`, leere Seiten eingeschlossen	So findest du eine Stelle im Original wieder
Silbentrennung entfernen (Option)	Verbindet Doku- + Zeilenumbruch + ment zu Dokument, wenn beide Seiten Kleinbuchstaben sind; entfernt weiche Trennzeichen am Zeilenende	Blocksatz ist voller Zeilenend-Bindestriche, die nicht zum Wort gehören

Wann ist reiner Text die richtige Ausgabe?

Beim Einfügen einer Vertragsklausel, eines Briefs oder eines Zitats in eine E-Mail, eine Notiz oder ein Suchfeld.
Beim Übergeben eines Dokuments an ein Übersetzungstool, einen Screenreader oder ein Textanalyse-Skript.
Wenn du neben dem Original eine durchsuchbare Kopie aufbewahren oder prüfen willst, was die OCR eines Scanners tatsächlich erkannt hat.
Zum Zählen und Zitieren: Der PDF-Wortzähler liefert die Zahlen; dieses Tool liefert die Wörter.

Wenn du das Layout brauchst, nimm das PDF selbst oder wandle Seiten mit PDF in JPG in Bilder um. Wenn du vor dem Teilen etwas entfernen musst, löscht PDF schwärzen den Text darunter, nicht nur die Tinte.

Wo liegen die Grenzen?

Nur die Textebene. Ein Scan ohne OCR liefert nichts; ein Scan mit OCR liefert die OCR-Ausgabe, Fehler inklusive.
Die Lesereihenfolge ist geometrisch: von oben nach unten, von links nach rechts. Mehrspaltige Seiten und Tabellen können sich verzahnen.
Formularfeldwerte, Kommentare, Anmerkungen, Lesezeichen und angehängte Dateien gehören nicht zum Seitentext und werden nicht extrahiert.
Schriften mit kaputter oder fehlender Unicode-Zuordnung (manche alten PDF-Generatoren, manche Symbolschriften) kommen als Zeichensalat heraus; das ist ein Defekt der Datei, und der Kopierbefehl eines PDF-Viewers zeigt dasselbe.
Keine Formatierung überlebt: Fett, Kursiv, Farben, Links und Bilder fallen weg.

Häufige Fragen

Wird mein PDF hochgeladen?

Nein. PDF.js, der in Firefox eingebaute Open-Source-Renderer, öffnet die Datei in diesem Browser-Tab und meldet die Textelemente jeder Seite. Die einzige Netzwerkanfrage lädt diese Bibliothek. Textfeld, Zwischenablage und der .txt-Download sind alle lokal.

Warum ist das Feld leer oder warum heißt es, das PDF sehe gescannt aus?

Ein gescanntes PDF ist ein Bild jeder Seite. Es gibt keine Textebene zum Extrahieren — nur Pixel. Das Tool erkennt das (kein Text auf irgendeiner Seite) und verweist dich auf das Tool „Bild in durchsuchbares PDF“, das OCR im Browser ausführt und eine Textebene hinzufügt, die du dann hier extrahieren kannst.

Wie werden Zeilenumbrüche bestimmt?

PDF-Dateien speichern keine Zeilen, nur positionierte Textstücke. Das Tool fasst Stücke mit derselben Grundlinie zu einer Zeile zusammen, ordnet sie von links nach rechts, setzt ein Leerzeichen, wo eine sichtbare Lücke ist, und eine Leerzeile, wo der vertikale Abstand größer als etwa anderthalb Zeilen ist. Das gibt normale Absätze gut wieder; Tabellen und Text in Spalten können sich verzahnen.

Was macht „Silbentrennung entfernen“ genau?

Es verbindet ein Wort, das eine Zeile mit einem Bindestrich beendet, mit dem kleingeschriebenen Wort, das die nächste beginnt: „Doku-“ gefolgt von „ment“ wird zu „Dokument“. Es greift nur, wenn beide Seiten Kleinbuchstaben sind, sodass Namen wie Jean-Paul, Codes wie COVID-19 und ein Gedankenstrich am Satzende unangetastet bleiben. Weiche Trennzeichen am Zeilenende werden immer entfernt.

Warum stimmt die Reihenfolge auf manchen Seiten nicht?

Mehrspaltige Seiten, Seitenleisten, Tabellen und um Bilder fließender Text sind zweidimensional gesetzt, und das Tool liest nach Grundlinie von oben nach unten. Zwei Spalten auf gleicher Höhe werden zu einer langen Zeile. Für solche Seiten kopiere den Text aus einem PDF-Viewer mit spaltenbewusster Auswahl oder teile die Seite vorher auf.

Bleiben Fett, Kursiv, Überschriften oder Links erhalten?

Nein. Die Ausgabe ist reiner Text (.txt): keine Schriften, Größen, Farben, Links oder Bilder. Überschriften behalten ihre Zeile und die Leerzeile danach, was meist reicht, um die Struktur zu erkennen.

Was ist mit passwortgeschützten PDFs und großen Dateien?

Dateien, die zum Öffnen ein Passwort brauchen, fragen danach; das Passwort geht an PDF.js, das im Arbeitsspeicher entschlüsselt. Seiten werden einzeln gelesen und vor der nächsten freigegeben, lange Dokumente funktionieren also, aber ein 1.000-seitiges Buch dauert auf einem Smartphone eine Weile, und das Textfeld selbst wird ab ein paar Megabyte träge — lade dann herunter, statt zu scrollen.