PDF-zu-TXT-Konverter

Ein PDF speichert keinen Textabsatz so, wie es ein Texteditor tun würde. Es speichert die Form und Position jedes einzelnen Zeichens auf der Seite, ähnlich wie ein Drucker Tinte platziert. Um lesbaren Text zurückzugewinnen, liest dieses Tool diese Positionsdaten Seite für Seite mit derselben Open-Source-Engine, die PDFs auch in Firefox darstellt.

Für jede Seite werden die Koordinaten jedes Zeichens erfasst und je nachdem, wie weit unten auf der Seite sie stehen, zu Zeilen gruppiert. Innerhalb einer Zeile werden die Zeichen von links nach rechts sortiert und zu einer Zeile zusammengefügt. Werden diese Zeilen von oben nach unten gestapelt und das für jede Seite wiederholt, liegt das Ergebnis bei normalen, einspaltigen Dokumenten wie Briefen, Berichten oder Artikeln nah am Original.

Diese Methode hat eine klare Grenze: Sie funktioniert nur bei PDFs, die bereits echten, auswählbaren Text enthalten. Eine gescannte Seite ist eigentlich ein Foto, das in einem PDF gespeichert ist, ohne Zeichendaten dahinter — es gibt also nichts, was dieses Tool lesen könnte. Text in einem gescannten Bild zu erkennen, braucht einen eigenen Vorgang namens OCR, den dieses Tool nicht durchführt; nicht vertrauenswürdige Skripte gegen eine gescannte Seite auf einem Server laufen zu lassen wäre zudem ein Sicherheitsrisiko, deshalb bleibt dieses Tool ein reiner Textebenen-Extraktor.

Jeder Schritt passiert auf deinem Gerät. Das PDF wird in deinem Browser geöffnet, gelesen und umgewandelt, und ist verschwunden, sobald du den Tab schließt. Es wird nichts hochgeladen, sodass die Datei und ihr Inhalt während des gesamten Vorgangs privat bleiben.