Extract text from images — free

Der Konverter baut die logische Struktur des Dokuments neu auf — Überschriften, Absätze, Listen, echte <table>-Elemente, Links und Bilder — statt jedes Zeichen einfach an einer X/Y-Koordinate festzunageln, wie es manche PDF-Viewer tun. Das Ergebnis passt sich auf Mobilgeräten flüssig an, lässt sich gut für SEO indexieren und ist von Haus aus für Screenreader zugänglich.

Ja. Tabellen werden zu standardmäßigen <table>-, <thead>-, <tbody>-, <tr>-, <th>- und <td>-Elementen mit korrekten scope-Attributen an den Kopfzellen. Das macht sie barrierefrei für Screenreader, durchsuchbar und einfach mit Bootstrap, Tailwind oder Ihrem bestehenden CSS-Framework zu gestalten – ohne zusätzliche Markup-Transformation.

Ja. Fügen Sie es in WordPress, Webflow, Ghost, Notion (als Einbettung), Confluence, GitBook oder Ihre eigene statische Website ein – das Markup ist abhängigkeitsfrei, validiert gegen die W3C-HTML5-Spezifikation und wird in Chrome, Safari, Firefox und Edge identisch dargestellt. Bilder werden je nach Ihrer Präferenz als Base64 inline eingebettet oder als separate Dateien extrahiert.

Ja. Reine Bild-PDFs lösen die OCR-Engine aus, die Text extrahiert und das Layout rekonstruiert, bevor HTML generiert wird. Das bedeutet, dass selbst alte gescannte Whitepaper, fotografierte Berichte und per Fax zurückgesendete Dokumente als moderne, responsive Webseiten mit korrekten Überschriften, Absätzen und Links neu veröffentlicht werden können.

Ja. Eingebettete Bilder werden extrahiert, optimiert (WebP oder PNG je nach Inhalt) und über <img>-Tags mit gesetzten Breiten- und Höhenattributen für CLS-freundliches Laden referenziert. Vektordiagramme werden möglicherweise zu einer Rastergrafik zusammengeführt – für volle Vektorgenauigkeit nutzen Sie PDF zu Bildern und betten die SVG-Versionen manuell ein.

Uploads werden innerhalb von Minuten gelöscht, niemals zum Trainieren von Modellen verwendet und niemals weitergegeben. Die HTML-Ausgabe enthält kein Wasserzeichen, keinen Quellenhinweis und keinen Tracking-Pixel. Agenturen und Inhouse-Teams nutzen das Tool, um Alt-PDFs ohne Lizenz- oder Datenschutzbedenken in moderne CMS-Websites zu migrieren.

Öffnen Sie die Engine-Steuergruppe neben der Vorschau, wählen Sie Standard, Engine 1 oder Engine 2, und wählen Sie dann die Sprache des Dokuments aus dem durchsuchbaren Sprachwähler darunter — über 100 Sprachen werden unterstützt, einschließlich nicht-lateinischer Schriften. Klicken Sie nach dem Ändern einer der Einstellungen auf „Extraktion erneut ausführen“, um das HTML mit dem neuen OCR-Durchlauf neu zu erzeugen.

Starten Sie bei gängigen lateinisch geschriebenen Sprachen mit „Standard“ — es ist am schnellsten und genauesten für alltägliche Dokumente. Bei selteneren Schriften (Arabisch, Hindi, Chinesisch) oder wenn „Standard“ Überschriften und Tabellen verstümmelt, wechseln Sie zu Engine 1 oder Engine 2, stellen Sie die passende Sprache ein und führen Sie die Extraktion erneut aus — verschiedene Engines sind auf verschiedene Schriften spezialisiert, daher dauert es nur Sekunden, beide auszuprobieren, und oft werden falsch erkannte Akzentzeichen so behoben.

Ja – das Ausgabepanel zeigt ein bearbeitbares Code-Feld neben einer live gerenderten Vorschau, sodass das Eintippen einer Korrektur (Entfernen eines überflüssigen Tags, Anpassen einer Überschriftenebene, Feinjustieren von Inline-Text) das Vorschaufenster sofort aktualisiert. Nehmen Sie dort alle Ihre Korrekturen vor, bevor Sie auf „Herunterladen“ oder „Kopieren“ klicken, da beide Aktionen das verwenden, was gerade im Code-Feld steht, und nicht die ursprüngliche OCR-Ausgabe.

Klicke oberhalb des Ausgabebereichs auf Copy HTML — es kopiert exakt das, was in der editierbaren Code-Box steht, einschließlich aller manuellen Änderungen, in deine Zwischenablage und zeigt kurz „Copied!“ zur Bestätigung. Das ist der schnellste Weg, wenn du direkt in den HTML- oder Embed-Block eines CMS einfügst, statt eine Datei hochzuladen.

Du kannst ein PDF in HTML konvertieren, ohne ein Konto zu erstellen. Angemeldete kostenlose Konten erhalten ein tägliches Konvertierungskontingent und sehen eine kleine Nutzungsanzeige, sobald sie ihm nahekommen, da gescannte PDF-Seiten durch OCR laufen – Premium-Konten sehen keine Obergrenze.

Nein — dafür gibt es im Tool keine Einstellung; wie Bilder in das ausgegebene HTML eingebettet werden, wird automatisch entschieden und lässt sich in der Oberfläche nicht umstellen, ungeachtet dessen, was manche Website-Texte suggerieren. Wenn Sie eigenständige Bilddateien für eine CMS-Medienbibliothek benötigen, exportieren Sie die Seiten stattdessen separat mit PDF zu Bildern, das PNG oder JPG — nicht SVG — nach Ihrer Wahl mit 150, 200 oder 300 DPI ausgibt.