PDF-Text-Reiniger
Fügen Sie aus einem PDF kopierten Text ein und erhalten Sie sofort sauberen, lesbaren Text. Der Reiniger behebt Silbentrennungen am Zeilenende, hart umbrochene Absätze, doppelte Leerzeichen, Ligaturen (fi→fi, fl→fl) und unsichtbare Unicode-Artefakte. Zehn konfigurierbare Reinigungsregeln - schalten Sie die passenden für Ihr Dokument zu. Kostenlos, privat und ohne Anmeldung.
Cleaning Rules
Warum PDF-Text so unsauber herauskommt
Ein PDF speichert keine Absätze oder Sätze, sondern Glyphen mit exakten Koordinaten auf der Seite. Beim Kopieren versucht der Betrachter, die Lesereihenfolge zu rekonstruieren, und schneidet den Text dabei an jedem visuellen Zeilenende ab und setzt Trennstriche.
Daraus entstehen die typischen Symptome: in viele Zeilen zerstückelte Absätze, mitten getrennte Wörter, typografische Ligaturen und unsichtbare Leerzeichen, die Suchen unbrauchbar machen.
Die zehn Regeln und wofür sie gut sind
Jede Regel wird einzeln zugeschaltet, sodass Sie die Reinigung an Ihr Dokument anpassen können.
- Weiches Trennzeichen reparieren und getrennte Wörter wieder zusammenfügen.
- Harte Zeilenumbrüche zusammenfügen, um Absätze wiederherzustellen.
- Doppelte Leerzeichen zusammenfassen und Leerzeichen am Zeilenende entfernen.
- Ligaturen korrigieren (fi→fi, fl→fl) und typografische Anführungszeichen begradigen.
- Aufzählungszeichen normalisieren, Leerzeilen zusammenfassen und geschützte Leerzeichen ersetzen.
- Unsichtbare und Zero-Width-Zeichen entfernen, die Suche und Vergleich stören.
Datenschutz: alles läuft in Ihrem Browser
Die Reinigung läuft in JavaScript auf Ihrem Gerät. Es gibt keine Netzwerkanfragen, nichts wird gespeichert und kein Zeichen geht an einen Server.
Sie können vertrauliche Dokumente bearbeiten oder offline arbeiten: das Tool funktioniert auch ohne Verbindung.
Häufig gestellte Fragen
Er entfernt Formatierungsartefakte, die beim Kopieren von Text aus einer PDF entstehen: Silbentrennungen am Zeilenende, hart umbrochene Absätze, doppelte Leerzeichen, Ligaturen und unsichtbare Unicode-Zeichen. Er verarbeitet Ihren Text sofort im Browser mit zehn konfigurierbaren Regeln.
PDFs speichern Text als positionierte Glyphen statt als fließenden Text. Beim Kopieren rekonstruiert der Betrachter die Lesereihenfolge aus den Glyphenpositionen - daraus entstehen Zeilenumbrüche an jedem visuellen Zeilenende, Silbentrennungen und Ligaturen.
Ligaturen sind kombinierte Glyphen (fi, fl, ff, ffi, ffl), die in PDF-Schriften als einzelnes Unicode-Zeichen gespeichert sind. Beim Kopieren erscheinen sie als einzelne Zeichen, die in reinem Text falsch aussehen. Der Reiniger ersetzt sie durch die korrekten ASCII-Entsprechungen.
Viele PDFs brechen Text auf eine feste Spaltenbreite um. Beim Kopieren wird jede visuelle Zeile zu einer eigenen Zeile und zerreißt Absätze. Diese Regel erkennt umbrochene Zeilen und fügt sie zu fortlaufenden Absätzen zusammen, wobei Absatzumbrüche durch Leerzeilen erhalten bleiben.
Ja, vollständig. Die gesamte Reinigung läuft lokal in Ihrem Browser. Ihr Text verlässt nie Ihr Gerät und wird nie an einen Server gesendet.
Ja, 100 % kostenlos. Keine Anmeldung, keine Premiumstufe, keine Größenbeschränkung und kein Nutzungslimit. Er läuft vollständig in Ihrem Browser.
Ja. Klicken Sie im Eingabefeld auf die Upload-Schaltfläche, um eine .txt-Datei mit PDF-extrahiertem Text zu laden. Sie können die gereinigte Ausgabe auch als .txt herunterladen.
Die Heuristik bewahrt Leerzeilen und fügt Zeilen nicht zusammen, die mit satzbeendender Interpunktion enden. Bei Text mit gewollt kurzen Zeilen (Lyrik, Code) deaktivieren Sie die Regel „harte Zeilenumbrüche zusammenfügen“.
Zero-Width-Zeichen sind unsichtbare Unicode-Zeichen, die in PDF-Text vorkommen und Suche, Vergleich und NLP-Verarbeitung stören. Der Reiniger entfernt die gängigen unsichtbaren und Zero-Width-Zeichen.