Was ist eine durchsuchbare PDF? Textlayer vs. Scan
Warum Sie manche PDFs nach Text durchsuchen können und andere nicht — der Unterschied zwischen Textlayer und gescanntem Bild.
Warum manche PDFs durchsuchbar sind und andere nicht
Wenn Sie in einem PDF nach einem Wort suchen (Strg+F), findet die Suche manchmal alle Treffer — und manchmal nicht. Der Grund: es gibt zwei grundlegend verschiedene Arten, wie eine PDF entstehen kann.
PDF mit Textlayer (durchsuchbar)
Wenn eine PDF direkt aus einem Textverarbeitungsprogramm (Word, LibreOffice, LaTeX) exportiert wird, enthält sie einen Textlayer. Das bedeutet: die einzelnen Buchstaben sind als Text in der PDF gespeichert — der PDF-Reader kann sie durchsuchen, markieren und kopieren.
PDF ohne Textlayer (nicht durchsuchbar)
Wenn eine PDF durch Scannen eines Papiers entsteht, ist die Seite nur ein Bild — eine Fotografie des Papiers. Es gibt keinen Textlayer. Die Buchstaben sind Pixel, keine Zeichen. Der PDF-Reader kann das Bild zwar anzeigen, aber nicht nach Text durchsuchen.
Wie erkennen Sie, ob eine PDF durchsuchbar ist?
- Öffnen Sie die PDF in Ihrem Browser oder PDF-Reader.
- Drücken Sie Strg+F (Suchen).
- Geben Sie ein Wort ein, das sichtbar im Dokument steht.
- Wenn die Suche das Wort findet: die PDF hat einen Textlayer.
- Wenn die Suche nichts findet: die PDF ist wahrscheinlich ein reiner Scan.
Alternativ: Verwenden Sie das Werkzeug PDF in Text. Wenn es den Text extrahieren kann, hat die PDF einen Textlayer. Wenn es eine Fehlermeldung gibt („PDF enthält keinen eingebetteten Text"), ist es ein reiner Scan.
Wie wird aus einem Scan eine durchsuchbare PDF?
Der Prozess heißt OCR (Optical Character Recognition, Texterkennung). OCR-Software analysiert die Pixel des gescannten Bildes und erkennt die Buchstaben. Das Ergebnis wird als Textlayer hinter das Bild gelegt — die PDF wird durchsuchbar, ohne dass sich das visuelle Erscheinungsbild ändert.
PDFWerkzeug.de bietet derzeit kein OCR an. Das Werkzeug PDF in Text extrahiert nur bereits vorhandenen Text — es kann keinen Text aus Bildern erkennen. Wenn die PDF gescannt ist und keinen Textlayer hat, liefert das Werkzeug ein leeres Ergebnis und zeigt eine klare Fehlermeldung.
Für OCR benötigen Sie eine dedizierte OCR-Software:
- Tesseract (Open Source, Kommandozeile)
- Adobe Acrobat („Text erkennen" Funktion)
- ABBYY FineReader (professionelle OCR-Software)
- OnlineOCR-Dienste (Achtung: hier wird die Datei hochgeladen)
Zusammenfassung
| Merkmal | PDF mit Textlayer | PDF ohne Textlayer (Scan) |
|---|---|---|
| Entstehung | Export aus Word, LaTeX, etc. | Scan, Foto |
| Durchsuchbar | ✅ Ja | ❌ Nein |
| Text markierbar | ✅ Ja | ❌ Nein |
| Text kopierbar | ✅ Ja | ❌ Nein |
| Dateigröße | Klein (Text ist kompakt) | Groß (Bild enthält viele Pixel) |
| Mit PDFWerkzeug.de Text extrahierbar | ✅ Ja | ❌ Nein |