So zählst du die Wörter in einem PDF
- PDF hinzufügen. Tippe auf „PDF auswählen“ oder zieh die Datei auf die Seite. Passwortgeschützte Dateien fragen zuerst nach dem Passwort.
- Den Durchlauf Seite für Seite abwarten. Das Tool liest nacheinander die Textebene und die Zeichenbefehle jeder Seite. Ein Fortschrittsbalken zeigt die aktuelle Seite; ein 300-seitiger Bericht dauert ein paar Sekunden.
- Summen und Urteil lesen. Fünf Kacheln zeigen Seiten, Wörter, Zeichen, Zeichen ohne Leerzeichen und Bilder. Darunter sagt das Urteil, ob die Datei eine Textebene hat, gescannt aussieht oder hauptsächlich aus Bildern besteht.
- Einzelne Seiten prüfen. Die Tabelle pro Seite zeigt dieselben Zahlen für jede Seite; Seiten ohne Text sind ausgegraut. Bei Dateien mit mehr als 30 Seiten ist die Tabelle zunächst eingeklappt.
Was es kann
- Summen und eine Tabelle pro Seite: Wörter, Zeichen, Zeichen ohne Leerzeichen, Bilder
- Unicode-fähige Wortzählung — funktioniert mit Umlauten, Kyrillisch, Griechisch, CJK und Thai, nicht nur mit Englisch
- Sagt dir, ob das PDF eine Textebene hat oder gescannt aussieht, und verlinkt dann das OCR-Tool
- Zählt eingebettete und Inline-Bilder pro Seite, damit du siehst, welche Seiten Bilder sind
- Öffnet passwortgeschützte PDFs, wenn du das Passwort kennst
- Läuft komplett auf deinem Gerät — die einzige Netzwerkanfrage lädt die Open-Source-Bibliothek PDF.js
Was bedeuten die Zahlen?
Ein PDF ist keine Textverarbeitungsdatei. Es speichert Zeichenanweisungen — diese Glyphe hierhin, jenes Bild dorthin — und, wenn es aus einem digitalen Dokument erzeugt wurde, eine Textebene, die dem Viewer sagt, welche Zeichen diese Glyphen sind. Dieses Tool liest diese Textebene mit PDF.js, rekonstruiert die Zeilen aus den Positionen der Textelemente und zählt, was es findet. Es geht außerdem die Befehlsliste jeder Seite durch, um Bild-Zeichenbefehle zu zählen — so kann es eine getippte Seite von einer gescannten unterscheiden.
| Zahl | Was sie misst | Was sie nicht enthält |
|---|---|---|
| Seiten | Seiten im Seitenbaum, so wie ein Viewer sie anzeigen würde | Versteckte oder gelöschte Seiten, die noch als ungenutzte Objekte vorhanden sind |
| Wörter | Wortähnliche Segmente der Textebene, gefunden mit dem Unicode-Segmentierer des Browsers; Zahlen zählen, Satzzeichen nicht | Text in Bildern, Formularfeldwerte, Kommentare, Lesezeichen |
| Zeichen | Unicode-Codepunkte im rekonstruierten Text, einschließlich Leerzeichen und Zeilenumbrüchen | Unsichtbare oder nullbreite Glyphen, die der Viewer nie anzeigt |
| Zeichen ohne Leerzeichen | Dasselbe, abzüglich aller Leerraumzeichen — die Zahl, die viele Übersetzungs- und Satzangebote verwenden | — |
| Bilder | Bild-Zeichenbefehle: eingebettete Bilder, Inline-Bilder, Bildmasken | Vektorzeichnungen, Schattierungsmuster, als Umrisse gezeichneter Text |
Wie viele Wörter hat eine Seite?
Darauf gibt es keine feste Antwort — es hängt von Schriftgröße, Rändern und Zeilenabstand ab —, aber die Bereiche unten sind die üblichen Faustregeln für eine Letter- oder A4-Seite und helfen dir, ein Ergebnis auf Plausibilität zu prüfen. Die Scan-Zeile ist die wichtige: Eine gescannte Seite hat keine Textebene, sie zählt also null Wörter, egal wie viel darauf gedruckt ist.
| Art der Seite | Typische Wörter | Typische Zeichen | Bilder | Was das Tool sagt |
|---|---|---|---|---|
| Geschäftsbrief, 11–12 pt, einzeiliger Abstand | etwa 300–500 | etwa 2.000–3.000 | 0–1 (Logo) | Hat eine Textebene |
| Manuskript- oder Aufsatzseite mit doppeltem Zeilenabstand | etwa 250–300 | etwa 1.500–2.000 | 0 | Hat eine Textebene |
| Dichte Vertragsseite, 9–10 pt, schmale Ränder | etwa 600–900 | etwa 4.000–6.000 | 0 | Hat eine Textebene |
| Folie einer Präsentation | etwa 20–80 | etwa 150–600 | 1–5 | Hat eine Textebene (oder hauptsächlich Bilder) |
| Gescannte Seite ohne OCR | 0 | 0 | 1 (manchmal mehr, wenn der Scanner kachelt) | Sieht gescannt aus — nimm das OCR-Tool |
| Gescannte Seite mit OCR-Ebene | wie der gedruckte Text, abzüglich Erkennungsfehler | wie gedruckt | 1 | Hat eine Textebene |
Wann ist das nützlich?
- Übersetzungs- und Lektoratsangebote werden pro Wort oder pro 1.000 Zeichen ohne Leerzeichen berechnet; du brauchst die Zahl, bevor du einen Preis anfragst.
- Einreichungslimits — Förderanträge, Gerichtseingaben, wissenschaftliche Arbeiten — werden oft in Wörtern oder Seiten angegeben.
- Vor OCR: ein schneller Weg zu wissen, ob ein Stapel PDFs schon durchsuchbar ist und welche Seiten nicht.
- Vor dem Mailen: Eine Datei mit hunderten Bildern pro Seite ist ein Scan und wird groß; sieh dir das Tool PDF komprimieren an.
Wenn du die Wörter selbst statt einer Zahl brauchst, extrahiert das Tool PDF in Text sie mit derselben Zeilenrekonstruktion in eine .txt-Datei.
Wo liegen die Grenzen?
- Es zählt nur die Textebene. Ein Scan ohne OCR zählt null; ein Scan mit schlechter OCR-Ebene zählt die Fehler der OCR.
- Die Zeilenrekonstruktion ist geometrisch. Mehrspaltige Layouts werden Spalte für Spalte gelesen, wenn die Spalten sauber getrennt sind, aber Tabellen und um Bilder fließender Text können sich verzahnen — das ändert die Wortzahl kaum, kann aber ein Wort an der Grenze teilen oder verbinden.
- Formularfelder, Anmerkungen, Kommentare und Lesezeichen gehören nicht zum Seitentext und werden nicht gezählt.
- Passwortgeschützte Dateien brauchen das Passwort. Dateien, die PDF.js nicht verarbeiten kann, scheitern mit einer Meldung.
- Sehr große Dateien werden Seite für Seite verarbeitet und die Ressourcen jeder Seite werden vor der nächsten freigegeben, aber ein 1.000-seitiger Scan dauert auf einem Smartphone trotzdem eine Weile.