PDF in Word umwandeln
Öffne ein PDF und lade eine Datei im Format .docx herunter, die du wirklich bearbeiten kannst: Zeilen werden wieder zu Absätzen, getrennte Wörter werden wieder zusammengefügt, und Überschriften werden zu Word-Formatvorlagen. Das PDF verlässt nie dein Gerät.
Warum sich ein PDF nicht wie ein Dokument bearbeiten lässt
Ein PDF weiß nicht, was ein Absatz ist. Darin stehen nur Anweisungen wie „schreibe diese Wörter auf dieser Höhe, in dieser Schrift“: eine Zeile nach der anderen, jede an ihrem Platz. Deshalb bekommst du, wenn du ein Stück aus einem PDF kopierst und in Word einfügst, am Ende jeder Zeile einen Zeilenumbruch, durch Bindestrich getrennte Wörter, die Seitenzahl mitten im Satz und alle vierzig Zeilen wieder die Kopfzeile.
Diese Seite macht die Arbeit, die du von Hand machen würdest, nur schneller: Sie schaut, wo jedes Textstück steht, baut Absätze, Überschriften, Listen und Tabellen wieder auf und speichert alles im Format .docx ab: als echte Datei, die du wie jedes andere Dokument bearbeitest. Der Text fließt von einer Seite zur nächsten und lässt sich korrigieren, neu formatieren und mit den Rändern drucken, die du willst.
Was das Tool wiederherstellt
Absätze. Endet eine Zeile vor dem Rand und hätte das erste Wort der nächsten Zeile noch hineingepasst, war der Absatz dort zu Ende; sonst werden die Zeilen verbunden. Auch Einzüge der ersten Zeile, der hängende Einzug von Literaturverzeichnissen und der zusätzliche Abstand zwischen Absätzen zählen.
Mit Bindestrich getrennte Wörter am Zeilenende werden wieder zusammengefügt: „Doku-“ und „ment“ ergeben „Dokument“. Der Bindestrich bleibt, wenn das zusammengesetzte Wort an anderer Stelle im Dokument ganz vorkommt oder wenn die nächste Zeile mit einem Großbuchstaben oder einer Ziffer beginnt, wie bei „Baden-Württemberg“.
Überschriften, erkannt an der Schriftgröße (die größte ist Ebene 1) und an einzelnen Zeilen, die ganz fett gesetzt sind. Sie werden zu den Word-Formatvorlagen Überschrift 1, 2 und 3, sodass das automatische Inhaltsverzeichnis und der Navigationsbereich sofort funktionieren.
Listen mit Aufzählungszeichen oder Nummern, auch auf zwei Ebenen, als echte Word-Listen. Eine Zahl am Zeilenanfang wird nur dann zur Liste, wenn die Liste bei 1 beginnt oder wenn es die Zahl nach der vorherigen ist; ein Gedankenstrich nur, wenn mindestens zwei aufeinanderfolgen, denn ein Strich am Zeilenanfang leitet oft wörtliche Rede ein.
Einfache Tabellen, also die mit klar getrennten Spalten, werden zu Word-Tabellen mit der ersten Zeile als Kopfzeile. Und innerhalb von Sätzen bleiben Fett und Kursiv erhalten, während Fußnotenzahlen wieder hochgestellt werden.
Was Word nicht braucht
Kopf- und Fußzeilen. Eine Zeile, die oben oder unten auf mehreren Seiten identisch wiederkehrt, wird entfernt, auch wenn sich nur die Zahl ändert: „Seite 3 von 12“ und „Seite 4 von 12“ sind dieselbe Zeile. Auch einzelne Seitenzahlen unten auf dem Blatt verschwinden.
Zeilenenden am Seitenumbruch. Ein Absatz, der auf einer Seite beginnt und auf der nächsten endet, wird wieder ein einziger Absatz, auch wenn eine Fußnote dazwischen steht, und die Fußnote kommt direkt nach dem Absatz. Bei zweispaltigen Seiten wird zuerst die ganze linke Spalte gelesen und dann die rechte, wie es jeder tun würde: Von Rand zu Rand zu lesen würde halbe Sätze zusammenkleben, die nichts miteinander zu tun haben.
Ein Beispiel mit Zahlen. In dem Testdokument, mit dem wir das Tool prüfen (zwei Seiten Blocksatz mit Silbentrennung), werden sechzehn getrennte Wörter wieder zusammengefügt, die vier Kopf- und Fußzeilen verschwinden, und der Absatz, der von einer Seite auf die nächste läuft, wird wieder zu einem. Nach der Umwandlung zeigt dir die Seite dieselben Zahlen für deine eigene Datei, damit du weißt, was verändert wurde.
Was nicht gleich bleiben kann
Ein Word-Dokument und ein PDF sind unterschiedlich aufgebaut, und niemand kann ehrlich ein identisches Layout versprechen. Wer es verspricht, setzt jede Zeile in ein Textfeld: Die Datei sieht gleich aus, lässt sich aber nicht bearbeiten, weil du für die Korrektur eines Worts die Felder darunter von Hand verschieben musst. Hier wird umgekehrt entschieden: Der Text fließt und lässt sich bearbeiten, und die Grafik wird nicht übernommen. Also keine exakten Positionen, Farben, Kästen oder Seitenumbrüche an derselben Stelle.
Bilder kommen nicht ins Dokument: Um sie aus dem PDF zu holen, einzeln und in Originalauflösung, gibt es Bilder aus PDF und Office extrahieren. Formeln und Diagramme kommen als verstreuter Text heraus, weil sie im PDF Textstücke an verschiedenen Stellen sind. Tabellen mit verbundenen Zellen oder mit mehrzeiligem Text in einer Zelle werden schlecht wieder aufgebaut: Dafür gibt es Tabellen aus PDF extrahieren, das nur diese Aufgabe erledigt.
Scans und geschützte PDFs
Ist das PDF ein Foto eines Blatts, steckt kein Text darin: Es sind Bilder, und aus einem Bild kommen ohne Texterkennung keine Wörter heraus. Die Seite merkt das und sagt dir, welche Seiten so sind; ist es das ganze Dokument, gibt sie dir keine leere Word-Datei, sondern schickt dich zu Gescanntes PDF durchsuchbar machen, das den erkannten Text unter die Bilder legt, und danach funktioniert die Umwandlung.
Verlangt das PDF zum Öffnen ein Passwort, wird hier nichts erraten: Wenn du es kennst, entfernst du es mit PDF-Passwort entfernen, dann kommst du hierher zurück. PDFs, die nur Einschränkungen haben, also solche, die sich öffnen, aber nicht drucken oder kopieren lassen, werden problemlos gelesen.
Die Word-Datei, die du bekommst
Es ist eine Datei im Format .docx wie jede andere, in A4 und mit der Schrift Calibri; sie lässt sich in Word, LibreOffice, Pages und Google Docs öffnen. Überschriften nutzen Word-Formatvorlagen, Listen sind echte Listen und Tabellen echte Tabellen, deren Kopfzeile oben auf jeder Seite wiederholt wird. Diese Seite schreibt die Datei Byte für Byte mit demselben Code wie Markdown in Word, das dieselbe Arbeit ausgehend von Markdown-Text macht.
Vor der Veröffentlichung wurde das Tool an PDFs getestet, deren richtiger Inhalt daneben festgehalten war: Die erzeugte Word-Datei wird von zwei Programmen wieder eingelesen, die nicht von uns stammen, und die müssen genau dieselben Absätze finden, dieselben Überschriften auf ihren Ebenen, dieselben Listen und dieselben Zellen wie im Originaldokument.
Was das Tool nicht kann
Es liest keine Scans ohne Text, es übernimmt weder Layout noch Bilder und Diagramme, und es arbeitet nicht in die umgekehrte Richtung: Von Word zu PDF kommst du mit Word selbst, über „Speichern unter“. Wenn du nur den reinen Text ohne Überschriften oder Listen brauchst, um ihn in eine E-Mail einzufügen, ist der schnellere Weg Text aus PDF extrahieren.
Das PDF verlässt nie dein Gerät: Es wird hier im Browser gelesen und umgewandelt, und die Word-Datei entsteht hier. Du kannst das Tool also auch für einen Vertrag, eine Gehaltsabrechnung oder einen Arztbericht verwenden.