Text aus PDF lässt sich nicht kopieren: Ursachen und Lösungen

Sie ziehen die Maus über einen Absatz, und nichts wird markiert. Oder die Markierung klappt, aber „Kopieren“ ist ausgegraut. Oder Sie fügen den Text ein, und heraus kommt eine Zeichenkette, die nach kaputter Datei aussieht. Oder die Wörter stimmen, aber jede Zeile endet mit einem harten Umbruch. Hinter jedem dieser Fälle steckt eine andere Ursache, und jeder braucht eine andere Lösung.

Welches Problem haben Sie?

• Ein Klick markiert die ganze Seite als einen Block oder gar nichts: Die Seite ist ein Bild, meist ein Scan.
• Text lässt sich markieren, aber „Kopieren“ ist ausgegraut, oder das Programm meldet, dass Kopieren nicht erlaubt ist: Die Datei hat Berechtigungseinschränkungen. In den Dokumenteigenschaften unter „Sicherheit“ steht das meist ausdrücklich.
• Kopieren funktioniert, aber eingefügt wird Zeichensalat: ein Schriftproblem im PDF selbst.
• Der eingefügte Text stimmt, nur die Formatierung ist ein Chaos.

Es ist eine gescannte Seite

Ein Scanner liefert ein Foto des Papiers. Sie können die Wörter lesen, die Datei kennt aber nur Pixel, es gibt also nichts zu markieren oder zu durchsuchen. Die Texterkennung (OCR) liest die Buchstaben aus dem Bild und legt hinter jede Seite eine unsichtbare Textebene. Die Seite sieht genauso aus wie vorher, lässt sich jetzt aber markieren, kopieren und durchsuchen.

Bei deutschen Dokumenten sollten Sie eines wissen: Unsere Texterkennung ist nur für Englisch eingerichtet. Die meisten Wörter kommen richtig heraus, Umlaute und ß gehen aber gern verloren oder werden durch ähnliche Zeichen ersetzt, aus „für“ wird dann schnell „fur“. Ein scharfer, gerader und kontrastreicher Scan liefert ohnehin deutlich bessere Ergebnisse als ein schräges Handyfoto. Namen und Zahlen sollten Sie in jedem Fall gegenlesen.

Die Datei sperrt das Kopieren

Ein PDF kann zwei Arten von Passwort tragen. Das Öffnungspasswort verhindert, dass sich die Datei überhaupt öffnet. Das Berechtigungspasswort lässt jeden hinein, weist das Programm aber an, Kopieren, Drucken oder Bearbeiten zu sperren. Genau das steckt hinter einem ausgegrauten „Kopieren“.

Ist es Ihr eigenes Dokument, oder hat Ihnen der Eigentümer erlaubt, den Text weiterzuverwenden, laden Sie die Datei in „PDF entsperren“. Öffnet sie sich ohne Passwortabfrage, lassen Sie das Feld „Aktuelles Passwort“ einfach leer: Eine Datei, die nur Einschränkungen hat, lässt sich so entsperren, und Sie bekommen eine Kopie ohne Schutz zurück. Gehört die Datei jemand anderem, bitten Sie den Absender um eine Fassung ohne Einschränkungen. Bei lizenzierten Studien oder Prüfungsunterlagen ist die Sperre meist Absicht.

Beim Einfügen kommt Zeichensalat heraus

Im PDF ist Text als Codes gespeichert, die auf Formen in einer eingebetteten Schrift verweisen. Um aus diesen Codes wieder Buchstaben zu machen, braucht das Programm eine Zuordnungstabelle in der Datei. Manche Software lässt diese Tabelle weg oder verwendet eine eigene Kodierung. Die Seite sieht dann einwandfrei aus, beim Kopieren bekommen Sie aber die rohen Codes. Ein anderes PDF-Programm hilft selten, denn die Information steckt schlicht nicht in der Datei.

Der Ausweg ist wieder die Texterkennung, weil sie die Formen liest statt der Codes. Einen Haken gibt es allerdings: Unsere OCR überspringt Seiten, die schon Text enthalten, damit nichts doppelt entsteht, und eine Seite mit Zeichensalat zählt als Seite mit Text. Machen Sie aus den Seiten deshalb zuerst reine Bilder:

1. Wandeln Sie das PDF mit „PDF in PNG“ um, Auflösung „Hoch (300 DPI)“.
2. Setzen Sie die PNGs mit „PNG in PDF“ wieder zu einem PDF zusammen, in der Reihenfolge der Seiten.
3. Schicken Sie die neue Datei durch „OCR PDF“.

Das Ergebnis ist ein PDF wie aus dem Scanner, mit einer ordentlichen Textebene. Es ist größer als das Original, und der Text ist nicht mehr vektorbasiert. Behalten Sie das Original also zum Lesen und nehmen Sie die OCR-Kopie zum Kopieren.

Der Text stimmt, die Zeilenumbrüche nicht

Ein PDF kennt keine Absätze. Es speichert Zeilen an bestimmten Positionen auf der Seite, deshalb endet beim Kopieren jede Zeile mit einem Umbruch, und ein am Zeilenende getrenntes Wort bleibt getrennt. Wer auf diese Weise ein Dutzend Seiten kopiert, markiert sich die Finger wund.

„PDF in Text“ holt den Text aller Seiten in eine einzige .txt-Datei, mit einer Leerzeile zwischen den Seiten. Die Zeilenumbrüche sind zwar noch da, aber Sie müssen sie nur einmal aufräumen. Öffnen Sie in Word „Ersetzen“, klicken Sie auf „Erweitern“ und setzen Sie das Häkchen bei „Platzhalter verwenden“. Suchen Sie nach ([a-zäöüß,])^13 und ersetzen Sie durch \1 mit einem Leerzeichen dahinter. Damit werden alle Zeilen wieder verbunden, die mit einem Kleinbuchstaben oder Komma enden, und echte Absatzenden bleiben meist stehen, weil sie auf einen Punkt ausgehen. Getrennte Wörter am Zeilenende setzen Sie besser von Hand zusammen, denn ein Bindestrich dort kann auch zu „Ein- und Ausgang“ gehören.

Häufige Fragen

Warum findet die Suche Wörter nicht, die ich auf der Seite sehe?

Aus denselben Gründen wie beim Kopieren. In einem Scan gibt es keinen Text zum Durchsuchen, und in einer Datei mit defekter Schrift sind die Buchstaben, nach denen Sie suchen, als ganz andere Codes gespeichert. Nach der Texterkennung funktioniert die Suche normal. Bei Wörtern mit Umlauten kann sie trotzdem danebengreifen, wenn die OCR das ä oder ü nicht erkannt hat.

Darf ich Kopiersperren entfernen?

Bei Ihren eigenen Dateien ja. Bei fremden nur mit Erlaubnis, und am einfachsten bekommen Sie die in Form einer Kopie ohne Sperre vom Absender. Unser Werkzeug zum Entsperren errät oder knackt keine Passwörter. Es arbeitet mit dem, das Sie bereits haben, oder mit einem leeren.