So funktioniert es unter der Haube
Lädt den Byte-Puffer Ihres PDFs in einen dedizierten `pdfjs-dist`-Web-Worker, wertet den Seitenbereich (`all` oder `1-4, 7`) aus, liest Text-Tokens samt `(x, y)`-Baseline-Koordinaten, gruppiert zusammengehörige horizontale Zeilen (`yTolerance = 3.5`), sortiert von links nach rechts und formatiert sauberen Klartext oder Markdown.
Schritt-für-Schritt-Anleitung
Wählen Sie Ihre PDF-Datei aus (Verarbeitung erfolgt strikt im lokalen Arbeitsspeicher).
Geben Sie optional einen Seitenbereich an (`all` oder `1-3, 5`) und klicken Sie auf Neu extrahieren.
Wählen Sie `Klartext (.txt)` oder `Markdown (.md)` und schalten Sie bei Bedarf Seitenüberschriften hinzu.
Kopieren Sie den extrahierten Text oder laden Sie ihn direkt als `.txt`- bzw. `.md`-Datei herunter.
Wichtige Funktionen & Vorteile
- Geometrische Zeilenrekonstruktion verhindert durcheinandergewürfelte Textfragmente
- Flexibler Seitenbereichs-Filter unterstützt einzelne Seiten und Bereiche (`1-3, 6, 9-12`)
- Direkter Export als Klartext (`.txt`) oder strukturiertes Markdown (`## Page N`)
- Zeigt sofort die Anzahl extrahierter Seiten sowie die Gesamtwortzahl an
- Kein Server-Upload (DSGVO-konform): ideal für Verträge, Arztbriefe, Gehaltsabrechnungen und Steuerbelege
Methodik, Formeln & technische Standards
Text-Tokens werden innerhalb von `3,5` PDF-Benutzereinheiten nach ihrer `y`-Baseline geclustert und horizontal über `transform[4]` (`x`) sortiert, bevor überflüssige Leerzeichen sauber normalisiert werden.
Häufige Anwendungsfälle aus der Praxis
- Einzelne Klauseln aus Verträgen oder NDAs lokal zur weiteren Prüfung kopieren
- Bestimmte Kapitel aus hundertseitigen technischen PDF-Handbüchern herauslösen
- Durchsuchbare PDF-Rechnungen und Belege als Text für die Buchhaltung aufbereiten
- Quellenauszüge als Markdown für Notiz-Apps wie Obsidian oder Notion vorbereiten
Praxisbeispiele & Grenzfälle
Selective Page Range Extraction
Pages: `1-2, 5` on a 12-page contract
Extracts only pages 1, 2, and 5 with clear page dividers
Avoids copying boilerplate appendices when you only need key clauses.
Scanned PDF Detection Note
Image-only scanned document page
_No extractable text layer on this page._
If a PDF lacks an embedded text layer, switch to our Batch OCR tool.
Hinweise zu Grenzen & Genauigkeit
- • Extrahiert ausschließlich eingebettete digitale Textebenen – reine Bild-Scans ohne Textschicht liefern leeren Text (nutzen Sie dafür unser Offline-Batch-OCR-Tool).
- • Komplexe mehrspaltige Wissenschaftslayouts können benachbarte Spalten auf gleicher Zeilenhöhe zusammenführen.
Lokale Verarbeitung im Browser & Datenschutz
Herkömmliche Online-Konverter laden Ihre Dokumente, Texte oder Mediendateien auf fremde Server. Text aus PDF extrahieren (Lokal & DSGVO-konform) läuft direkt in Ihrem Browser-Tab:
Ihre Texte und Dateien werden lokal berechnet, ohne Inhalte an einen Verarbeitungsserver zu senden.
Microdeck protokolliert oder speichert weder Ihre Dateien noch Texteingaben (normale CDN-Abrufe laden lediglich die statische Seite).
Arbeitsergebnisse bleiben ausschließlich im Arbeitsspeicher des Tabs und werden beim Zurücksetzen oder Schließen freigegeben.
Häufig gestellte Fragen (FAQ)
Warum liefert ein gescanntes PDF beim Text aus PDF Extrahieren leeren Text?
Gescannte PDFs speichern lediglich flache Seitenbilder statt auswählbarer Zeichen. Nutzen Sie für reine Bild-Scans das lokale Batch-OCR-Tool von Microdeck.
Wird mein vertrauliches PDF an externe Server oder KI-APIs hochgeladen?
Nein. `pdfjs-dist` liest die Datei ausschließlich in einem isolierten lokalen Browser-Worker – komplett ohne Anmeldung und DSGVO-konform.
Kann ich nur bestimmte Seiten statt des ganzen Dokuments auslesen?
Ja. Geben Sie einfach Ausdrücke wie `1-3, 5` im Seitenfeld ein und starten Sie die Extraktion erneut.
Worin liegt der Unterschied zwischen `.txt`- und `.md`-Export?
`.txt` verwendet `=== Page N ===`-Trennlinien, während `.md` Markdown-Überschriften (`## Page N`) und Hinweise für leere Seiten erzeugt.
Ähnliche Mikro-Tools entdecken
PDF-Metadaten entfernen & prüfen (Offline)
Versteckte Autor-, Programm-, Producer- & XMP-Metadaten im PDF anzeigen & verlustfrei löschen
Bild & PDF zu Text (OCR kostenlos & offline)
Bearbeitbaren Text aus gescannten PDFs & Fotos lokal in 16 Sprachen extrahieren
Wörter zählen, Zeichenzähler & Lesbarkeit
Intl.Segmenter-Grapheme, UTF-8-Bytes, Lese-/Sprechzeit, Keywords & Flesch-Kincaid berechnen