Startseite › Text-Tools › PDF-Text bereinigen

PDF-Text bereinigen

Aus einer PDF kopierter Text kommt mit einem Zeilenumbruch am Ende jeder gedruckten Zeile, durch Bindestriche getrennten Wörtern, seltsamen Ligaturzeichen sowie verirrten Seitenzahlen und Kopfzeilen an. Füge ihn hier ein und erhalte saubere, fließende Absätze, die du bearbeiten, zitieren oder übersetzen kannst.

Zuletzt aktualisiert:

Anzuwendende Korrekturen
Anzeige
Anzeige

Anleitung: PDF-Text bereinigen

  1. Kopiere Text aus deiner PDF (Strg+A oder mit der Maus markieren, dann Strg+C) und füge ihn in das linke Feld ein.
  2. Behalte die Standardkorrekturen oder entferne den Haken bei allem, was du nicht willst, etwa das Entfernen von Kopfzeilen bei einem einseitigen Dokument.
  3. Wähle die Absatzerkennung: Intelligent passt für die meisten Dokumente; Nur Leerzeilen ist sicherer für Gedichte, Code oder Tabellen.
  4. Prüfe den bereinigten Text und die Liste der entfernten Kopf- und Fußzeilen rechts.
  5. Kopiere oder lade den bereinigten Text herunter.

Was repariert wird

ProblemSo aus der PDF kopiertNach der Bereinigung
Harte ZeilenumbrücheSie bieten Anwohnern einen Ort, um
Gemüse anzubauen und Nachbarn zu treffen.
Sie bieten Anwohnern einen Ort, um Gemüse anzubauen und Nachbarn zu treffen.
Silbentrennungin vielen Städ-
ten
in vielen Städten
Ligaturenam häufigsten, flexibler Raumam häufigsten, flexibler Raum
SeitenzahlenPage 2 of 3 / – 14 – / xiientfernt
KopfzeileGRÜNE STÄDTE – FRÜHJAHRSAUSGABE (auf jeder Seite)entfernt
Unsichtbare Zeichenweiche Trennstriche, Nullbreiten-Leerzeichen, geschützte Leerzeichenentfernt oder in normale Leerzeichen umgewandelt
Listen• frisches Gemüse
• geteilte Werkzeuge
als separate Zeilen beibehalten

Tipps zum Kopieren von Text aus einer PDF

  • Zweispaltige Layouts: Markiere immer nur eine Spalte. Markierst du über beide Spalten, vermischen viele Reader Zeilen aus linker und rechter Spalte, was kein Bereinigungstool vollständig entwirren kann.
  • Tabellen und Code: Stelle die Absatzerkennung auf Nur Leerzeilen oder entferne den Haken bei Hart umbrochene Zeilen verbinden, damit Tabellenzeilen und Codezeilen nicht zusammengeführt werden.
  • Fußnoten: Fußnotentext landet meist am Ende des Textes jeder Seite. Entferne ihn von Hand oder hake Quellenverweise entfernen an, um Verweisnummern in Klammern wie [12] aus dem Haupttext zu löschen.
  • Ganze Dokumente: Um alle Seiten auf einmal zu extrahieren, nutze zuerst PDF zu Text und füge das Ergebnis dann hier ein.

Warum sich PDF-Text so verhält

PDF wurde entwickelt, um eine gedruckte Seite exakt wiederzugeben. In der Datei ist Text eine Folge von Glyphen an Koordinaten, ohne Information darüber, wo Absätze beginnen oder welche Bindestriche der Satz eingefügt hat. Kopieren und Einfügen rekonstruiert daher Zeilen aus Positionen und errät Leerzeichen. Deshalb landen auch Ligaturen, weiche Trennstriche und Kopfzeilen, die sich auf jeder Seite wiederholen, in deiner Zwischenablage. Die Bereinigung kehrt die häufigsten dieser Effekte mit Regeln um, die Zeilenlängen, Satzzeichen und Wiederholungen auswerten.

Häufige Fragen

Warum hat aus einer PDF kopierter Text überall Zeilenumbrüche?

Eine PDF speichert Text als positionierte Zeilen auf einer Seite, nicht als fließende Absätze. Beim Kopieren fügen die meisten PDF-Reader am Ende jeder gedruckten Zeile einen Zeilenumbruch ein, sodass der Text die Spaltenbreite der Seite behält. Dieses Tool verbindet die Zeilen wieder und behält Umbrüche nur dort, wo ein Absatz wirklich endet.

Woher weiß es, wo ein Absatz endet?

Leerzeilen beenden immer einen Absatz. Im intelligenten Modus gilt auch eine Zeile, die mit Punkt, Fragezeichen, Ausrufezeichen oder Doppelpunkt endet und deutlich kürzer als eine typische Zeile ist, als letzte Zeile eines Absatzes, weil gedruckte Absätze meist vor dem rechten Rand enden. Kurze Überschriften sowie Aufzählungs- und nummerierte Listeneinträge bleiben in eigenen Zeilen.

Zerstört es echte Wörter mit Bindestrich?

Ein Bindestrich am Zeilenende wird nur entfernt, wenn die nächste Zeile mit einem Kleinbuchstaben beginnt, denn so erscheinen Silbentrennungen (Städ- ten wird zu Städten). Englische Komposita mit self, well, half und cross behalten ihren Bindestrich, und Bindestriche zwischen Zahlen wie 1990-1995 bleiben erhalten. Prüfe ungewöhnliche Zusammensetzungen, da eine PDF die beiden Arten von Bindestrichen nicht unterscheiden kann.

Was sind Ligaturen und warum tauchen sie auf?

Ligaturen sind einzelne Zeichen, die Buchstaben verbinden, etwa fi, fl und ff. Satzprogramme nutzen sie für ein schöneres Druckbild, aber beim Kopieren können sie als einzelnes seltsames Zeichen erscheinen oder Suche und Rechtschreibprüfung stören. Das Tool ersetzt sie durch die normalen Buchstaben fi, fl, ff, ffi und ffl.

Wie werden Kopf- und Fußzeilen erkannt?

Kopf- und Fußzeilen wiederholen sich auf jeder Seite, oft mit wechselnder Seitenzahl. Das Tool sucht kurze Zeilen, die mindestens dreimal vorkommen (der Schwellenwert ist einstellbar), behandelt Ziffern dabei als gleich und entfernt sie. Die entfernten Zeilen werden aufgelistet, damit du prüfen kannst, dass nichts Wichtiges verloren ging.

Funktioniert das mit gescannten PDFs?

Nur wenn die PDF bereits markierbaren Text enthält. Wenn du in deinem PDF-Reader keine Wörter markieren kannst, sind die Seiten Bilder; lass sie zuerst durch ein OCR-Tool wie Bild zu Text laufen und bereinige das Ergebnis dann hier.

Wird mein Text hochgeladen?

Nein. Die gesamte Bereinigung passiert per JavaScript in deinem Browser. Der Text wird nirgendwohin gesendet oder gespeichert; nur deine Einstellungen werden auf deinem Gerät gespeichert.

Werden alle Tools auf FreeToolCabin auf Qualität und Genauigkeit getestet?

Ja. Jedes Tool auf der Website durchläuft automatische Tests in echten Browsern, die prüfen, ob das Ergebnis stimmt und keine Fehler auftreten. Wenn du einen Fehler findest oder einen Vorschlag hast, schreib uns an [email protected] – wir sehen es uns an.

Ähnliche Tools

Alle Text bereinigen & formatieren ansehen →