Um unter Windows Text aus einem PDF zu extrahieren, prüfen Sie zuerst, ob sich der Text markieren lässt. Wenn ja, kopieren Sie ihn in einem PDF-Viewer oder konvertieren die ganze Datei mit MD Factory. Wenn nicht, bestehen die Seiten aus Bildern, und der Text muss per OCR erkannt werden.
Die beiden PDF-Arten brauchen unterschiedliche Methoden. Die folgenden Schritte beginnen mit dem Test, der zeigt, welche Art Sie haben.
Prüfen, ob sich der Text markieren lässt
Öffnen Sie das PDF in Microsoft Edge, Chrome oder Adobe Acrobat Reader. Drücken Sie Ctrl+F und suchen Sie nach einem Wort, das Sie auf der Seite sehen.
- Das Wort wird gefunden und hervorgehoben: Das PDF enthält markierbaren Text.
- Es wird nichts gefunden, oder das Ziehen der Maus über eine Zeile markiert sie nicht: Die Seite ist ein Bild von Text.
Ein PDF kann beides enthalten. Ein getippter Bericht kann mit gescannten Anhängen enden. Führen Sie die Suche deshalb auf einer Seite aus der Mitte und auf einer vom Ende aus.
Text in einem PDF-Viewer kopieren
Für ein paar Absätze ist das der schnellste Weg. Ziehen Sie die Maus über den Text und drücken Sie Ctrl+C. Um das ganze Dokument zu kopieren, drücken Sie Ctrl+A und dann Ctrl+C. Fügen Sie den Text mit Ctrl+V in den Editor oder in Word ein.
Kopierter Text hat oft am Ende jeder Zeile einen Zeilenumbruch, eine Tabelle kommt als lose Zeilen an, und auf einer Seite mit zwei Spalten kann der Text der einen Spalte in die andere laufen. Seitenzahlen und Kopfzeilen werden mitkopiert.
Das PDF in Word öffnen
Word kann ein PDF als bearbeitbares Dokument öffnen. Wählen Sie „Datei“ → „Öffnen“, dann das PDF, und klicken Sie auf „OK“, wenn Word anbietet, es zu konvertieren. Laut Microsoft funktioniert das am besten bei PDFs, die überwiegend aus Text bestehen, und Zeilen und Seiten können an anderen Stellen umbrechen als im Original. Die Schritte stehen unter PDF-Datei bearbeiten.
Nutzen Sie das, wenn Sie den Text in Word weiter bearbeiten möchten. Für reinen Text oder für viele Dateien konvertieren Sie sie stattdessen.
Das ganze PDF mit MD Factory konvertieren
- Öffnen Sie MD Factory und klicken Sie auf „Dateien hinzufügen“ oder ziehen Sie das PDF auf das Fenster. Um alle PDFs eines Ordners samt Unterordnern zu konvertieren, klicken Sie auf „Ordner hinzufügen“.
- Die Konvertierung beginnt sofort. Wenn sie fertig ist, zeigt die Zeile „Abgeschlossen“, „Überprüfung erforderlich“ oder „Fehlgeschlagen“.
- Doppelklicken Sie in der Zeile auf den Ergebnispfad, um den Text zu öffnen.
Der Text wird im selben Ordner in einer Datei mit dem Namen des PDFs und der Endung .md gespeichert. Bilder aus dem PDF landen in einem Ordner daneben. Die Konvertierung läuft auf Ihrem PC.
Reports/
annual-report.pdf
annual-report.md
annual-report_images/Die .md-Datei ist reiner Text, der Editor öffnet sie also. Überschriften beginnen mit #, und Tabellen werden mit |-Zeichen gezeichnet. Die Anleitung zum Umwandeln von PDF in Markdown erklärt diese Dateien genauer.
Text aus einem gescannten PDF extrahieren
Fügen Sie ein gescanntes PDF auf dieselbe Weise hinzu. MD Factory findet die Seiten, die Bilder sind, und erkennt ihren Text per OCR auf Ihrem PC. In einem PDF mit getippten und gescannten Seiten bleibt der getippte Text unverändert, und OCR läuft nur auf den gescannten Seiten.
OCR kann verblasste, schiefe oder handgeschriebene Texte falsch lesen. Zeigt eine Zeile „Überprüfung erforderlich“ oder „Fehlgeschlagen“, klicken Sie auf den Status, wählen Sie in der Liste „OCR-Sprache“ die Sprache des Dokuments und klicken Sie auf „Wiederholen“. Die Anleitung zu gescannten PDFs behandelt die Spracheinstellung und die Bedeutung der einzelnen Meldungen.
Für eine einzelne gescannte Seite unter Windows 11 geht es auch mit dem Snipping Tool. Drücken Sie Windows+Shift+S, wählen Sie den Bereich aus und wählen Sie dann „Textaktionen“ und „Gesamten Text kopieren“. Laut Microsoft läuft die Texterkennung auf Ihrem Gerät: siehe Screenshots mit dem Snipping Tool aufnehmen.
Den extrahierten Text prüfen
Vergleichen Sie bei jeder Methode das Ergebnis mit dem PDF, bevor Sie sich darauf verlassen:
- Lesen Sie über einen Spalten- und einen Seitenumbruch hinweg, um die Reihenfolge der Sätze zu prüfen.
- Löschen Sie Seitenzahlen und Kopfzeilen, die einen Satz unterbrechen.
- Vergleichen Sie jede Zahl, die Sie verwenden, etwa Beträge, Datumsangaben und Kennnummern, mit dem PDF.
- Prüfen Sie in einer Tabelle, ob jeder Wert in der richtigen Zeile steht.
Text aus einem Scan braucht die genaueste Prüfung: Eine falsch gelesene Ziffer wirkt genauso plausibel wie eine richtige.
Welche Methode passt
| Methode | Geeignet für | Einschränkungen |
|---|---|---|
| Im Viewer kopieren | Ein paar Absätze aus einem PDF mit markierbarem Text | Liest keine Scans. Zeilenumbrüche und Tabellen müssen bereinigt werden. |
| In Word öffnen | Ein Text-PDF, das Sie als Word-Dokument bearbeiten möchten | Das Layout kann sich ändern. Funktioniert am besten bei überwiegend Text. |
| MD Factory | Ganze PDFs, Ordner mit PDFs und Scans | Das Ergebnis muss mit dem PDF abgeglichen werden. |
| Snipping Tool | Eine gescannte Seite oder ein Teil davon unter Windows 11 | Immer nur ein Bildschirmbereich. |
Fragen
Kann ich Text aus einem passwortgeschützten PDF extrahieren?
MD Factory konvertiert keine passwortgeschützten PDFs. Öffnen Sie das PDF mit dem Passwort in Ihrem Viewer, speichern Sie, wenn Sie dürfen, eine Kopie ohne Passwort und konvertieren Sie die Kopie.
Wie extrahiere ich Text aus vielen PDFs auf einmal?
Klicken Sie in MD Factory auf „Ordner hinzufügen“. Jedes PDF bekommt eine eigene Textdatei. Um alle zu durchsuchen, siehe wie Sie viele PDF- und Word-Dateien durchsuchen.
Behält MD Factory das Layout des PDFs bei?
Nein. Sie erhalten den Text mit seinen Überschriften, Listen und Tabellen, nicht das Aussehen der Seite. Behalten Sie das PDF für alles, was vom Layout abhängt.