PDF in Text umwandeln und bestimmte Seiten auswählen

PDF-Text nach Bedarf auslesen

Mit diesem Werkzeug lässt sich der Text einer PDF-Datei auslesen, ohne das Dokument auf jeder Seite einzeln durchzugehen. Sie können entweder das ganze Dokument verarbeiten oder eine begrenzte Auswahl treffen. Das eignet sich etwa, wenn Sie einzelne Kapitel prüfen, Text aus bestimmten Seiten übernehmen oder die Ergebnisse einer PDF gezielt weiterbearbeiten möchten. Die Seitenauswahl wird dabei anhand von Seitennummern vorgenommen, die bei 1 beginnen.

PDF in Text umwandeln: Vorgehen

Stellen Sie die PDF-Datei als Eingabe bereit. Die Dateieingabe besteht aus einer Zeichenfolge mit codierten PDF-Daten. Achten Sie darauf, dass tatsächlich Daten übergeben werden, denn eine leere Dateieingabe führt zum Fehlschlagen der Verarbeitung.
Entscheiden Sie, ob Sie das gesamte Dokument oder nur ausgewählte Seiten benötigen. Lassen Sie die Seitenauswahl leer, wenn alle Seiten verarbeitet werden sollen. Für eine Auswahl tragen Sie kommagetrennte Ganzzahlen ein, beispielsweise 1,3,7; die erste PDF-Seite hat die Nummer 1.
Starten Sie die Verarbeitung mit der bereitgestellten Eingabe. Das Werkzeug liest den verfügbaren Text aus der PDF-Datei aus. Kontrollieren Sie die Schreibweise der Seitenauswahl sorgfältig, weil ein Wert, der nicht als Ganzzahl verarbeitet werden kann, den Vorgang zum Fehlschlagen bringen kann.
Überprüfen Sie danach die ausgewählten Seiten im Ergebnis. Werden bestimmte Seiten angefordert, überspringt das Werkzeug Nummern, die außerhalb des vorhandenen Dokumentbereichs liegen. Eine Auswahl wie 2,4 wird daher nicht automatisch um nicht vorhandene Seiten ergänzt.
Nutzen Sie die Seitenangaben zur Orientierung in der Ausgabe. Vor dem ausgelesenen Text jeder ausgewählten Seite steht eine Seitenmarkierung, sodass die Textabschnitte dem Dokument leichter zugeordnet werden können. Die zusätzliche Gesamtseitenzahl hilft beim Abgleich mit der PDF.

Ergebnis und Grenzen verstehen

Eine erfolgreiche Ausgabe enthält den Text der ausgewählten Seiten sowie Angaben zur Gesamtseitenzahl des Dokuments und zur Anzahl der ausgewählten Seiten. Die Seitenmarkierungen zeigen, an welcher Stelle ein Abschnitt beginnt, während die beiden Zahlen den Umfang der Datei und den Umfang Ihrer Auswahl voneinander abgrenzen.

Wenn die Ausgabe kürzer ausfällt als erwartet, vergleichen Sie zunächst die angeforderten Nummern mit der tatsächlichen Seitenzahl. Eine konkrete Auswahl beschränkt das Ergebnis auf die berücksichtigten Seiten; Nummern außerhalb des Dokumentbereichs erscheinen nicht als zusätzliche Inhalte. Bei leerer Seitenauswahl ist dagegen keine Einschränkung auf einzelne Seiten vorgegeben.

Schlägt die Verarbeitung fehl, kann ein Problem beim Parsen der PDF-Datei oder beim Auslesen ihres Textes vorliegen. In diesem Fall wird die dabei entstehende Fehlermeldung offengelegt. Der Vorgang setzt außerdem verfügbare Unterstützung zum Parsen von PDF-Dateien voraus. Bei bildbasierten oder gescannten Dokumenten ist nicht belegt, dass Text aus Bildern per OCR gewonnen wird.

Praktisches Beispiel

Eine Person möchte aus einem vierseitigen Dokument nur die zweite und vierte Seite als Text prüfen.

Übergeben Sie eine PDF mit mindestens vier Seiten, tragen Sie 2,4 als Seitenauswahl ein und starten Sie die Textauslese. Prüfen Sie anschließend die beiden markierten Textabschnitte und die Seitenangaben.

Das Ergebnis enthält vor dem Text von Seite 2 und Seite 4 jeweils eine Seitenmarkierung sowie Angaben zur Gesamtseitenzahl und zur Zahl der ausgewählten Seiten.

Einschränkungen

Die Verarbeitung kann bei fehlender PDF-Parsing-Unterstützung sowie bei Parsing- oder Textextraktionsfehlern fehlschlagen. Für bildbasierte oder gescannte PDFs ist OCR nicht belegt.

Häufige Fehler

Fehlerquelle: Die Eingabe ist leer oder die Seitenauswahl enthält keine verarbeitbaren Ganzzahlen. Korrektur: Übergeben Sie PDF-Daten und verwenden Sie kommagetrennte, einbasige Angaben wie 1,3,7; für das gesamte Dokument lassen Sie die Seitenauswahl leer.

Häufige Fragen

Wie verarbeite ich eine vollständige PDF?

Lassen Sie die Seitenauswahl leer, wenn das Werkzeug die PDF ohne Begrenzung auf einzelne Seiten verarbeiten soll. Die Ausgabe enthält dann den ausgelesenen Text des Dokuments mit den vorgesehenen Seitenmarkierungen.

Wie wähle ich einzelne PDF-Seiten aus?

Tragen Sie die gewünschten Seitennummern als kommagetrennte, einbasige Ganzzahlen ein, zum Beispiel 2,4,5. Nummern, die hinter der verfügbaren Seitenzahl liegen, werden bei einer konkreten Auswahl übersprungen.

Was passiert, wenn kein Text aus der PDF erscheint?

Prüfen Sie zuerst die PDF-Eingabe und die Schreibweise der Seitenwerte. Bei einem Fehler beim Parsen oder beim Textauslesen schlägt die Verarbeitung fehl; für gescannte Inhalte ist eine Texterkennung aus Bildern nicht belegt.