Text aus einem PDF zu kopieren geht oft schief: Zeilenumbrüche an seltsamen Stellen, ganze Seiten lassen sich nicht markieren, Kopf- und Fußzeilen landen mitten im Text. Wenn du einen Bericht, ein Paper oder eine Spezifikation in Obsidian, Notion oder GitHub übernehmen oder einer KI zum Zusammenfassen oder Übersetzen geben willst, spart sauber extrahierter Text viel Zeit. Dieses Tool liest die Textebene des PDFs im Browser und gibt sie seitenweise als reinen Text aus, mit einem Trenner „--- Seite N ---“ am Anfang jeder Seite, damit du Inhalte der Originalseite zuordnen kannst.
Beim Extrahieren wird der Text nach seiner Position auf der Seite sortiert – von oben nach unten und von links nach rechts –, und bei deutlich größerem vertikalen Abstand beginnt eine neue Zeile. Bei gewöhnlichen einspaltigen Dokumenten funktioniert das gut. In zweispaltigen Papers, Zeitungslayouts oder komplexen Tabellen können Texte beider Spalten auf gleicher Höhe zu einer Zeile verschmelzen und etwas Nacharbeit erfordern. Überschriftenebenen, Aufzählungen und Tabellenstrukturen werden nicht erkannt; das Ergebnis ist sauberer Absatztext, den du direkt im Ergebnisfeld bearbeiten und dann kopieren oder als .md- bzw. .txt-Datei herunterladen kannst.
Die wichtigste Einschränkung: Gelesen werden kann nur echter Text im PDF. Ein durch Scannen oder Fotografieren entstandenes PDF besteht im Grunde aus einem Bild pro Seite, ohne Textebene – diese Seite wird als leer markiert und braucht zuerst eine Texterkennung (OCR). Schnelltest: Lässt sich im PDF-Reader kein Text mit der Maus markieren, ist es vermutlich ein Scan. Einige PDFs mit ungewöhnlicher Schriftkodierung liefern außerdem unleserliche Zeichen; das liegt an den Schriften der Originaldatei.
Bei passwortgeschützten PDFs wird zuerst das Öffnungspasswort abgefragt. Der gesamte Vorgang läuft im Browser, Inhalte werden nie hochgeladen – geeignet auch für Verträge und interne Unterlagen. Um die Formatierung anschließend zu prüfen, füge das Ergebnis in unseren Markdown-Editor ein.