Bild in Text umwandeln: die Wörter herausholen und weiterarbeiten
Ein Build schlägt fehl. Der Fehler besteht aus vierzig Zeilen Stacktrace, in einem Terminal auf einer Maschine, aus der Sie nichts kopieren können – eine Remote-Konsole, eine abgeriegelte VM, der Screenshot einer Kollegin im Chat. Lesen können Sie das alles einwandfrei. Nur markieren eben nicht, und einen Java-Paketpfad von Hand abzutippen ist genau die Übung, bei der Tippfehler entstehen.
Genau dafür ist diese Seite da. Laden Sie den Screenshot hoch, die enthaltene Schrift wird erkannt und kommt als reiner Text zurück, den Sie in eine Suche, einen Assistenten oder ein Ticket einfügen können. Echte Texterkennung auf den Pixeln, keine Beschreibung der Datei. Verarbeitet werden JPG, JPEG, PNG, GIF, BMP, TIFF, TIF und WebP. Kostenlos, ohne Anmeldung, 50 MB pro Datei, danach wird nichts gespeichert. Das ist Bild in Text umwandeln, kostenlos und online in seiner wörtlichsten Form: Bild rein, Wörter raus.
Vom Screenshot ins Suchfeld: Text aus Bild extrahieren
Der häufigste Grund, warum jemand Text aus einem Screenshot extrahieren möchte: Der Inhalt soll irgendwohin, wo ausschließlich Text angenommen wird. Suchmaschinen nehmen keine Bilder entgegen. Die Suche Ihres Issue-Trackers ebenso wenig, Ihr Log-Aggregator auch nicht, und erst recht nicht das Feld, in das Sie eine Exception einfügen würden, um ein Modell nach ihrer Bedeutung zu fragen.
Die Schleife lautet also: Screenshot, konvertieren, einfügen. Zehn Sekunden – und der Unterschied ist real: Wer einem Assistenten die exakte Exception-Klasse samt Zeilennummern hinlegt, bekommt eine konkrete Antwort; wer ihn mit einer vagen Umschreibung füttert, bekommt eine generische Checkliste. Dasselbe gilt für Fehlerdialoge, CI-Ausgaben, Datenbankmeldungen und Absturzberichte. Was als Zeichen auf einem Bildschirm stand und sich nicht markieren ließ, holen Sie auf diesem Weg wieder heraus.
Reiner Text oder Markdown? Die ehrliche Antwort
Die meisten Seiten würden an dieser Stelle einen dramatischen Unterschied erfinden. Die Wahrheit ist unspektakulärer. Bei einem einfachen Bild – dem Screenshot eines Absatzes, einem Terminalfenster, einer Notiz – kommen reiner Text und Markdown praktisch identisch zurück. Erkannter Text erscheint zeilenweise, und in einem Block Fließtext steckt keine verborgene Struktur, die Markdown ergänzen könnte. Nehmen Sie das eine oder das andere, Sie verlieren nichts dabei.
Ins Gewicht fällt die Wahl erst, wenn das Bild etwas mit Form zeigt: eine Tabelle, ein Formular, eine Dokumentseite mit Überschriften. Markdown kann diese Anordnung transportieren, flacher Text sie bestenfalls über Abstände andeuten. Dafür ist Bild zu Markdown die passendere Seite. Für alles andere – und „alles andere“ sind die meisten Screenshots – ist reiner Text das sauberere Ergebnis, weil keine Syntaxzeichen entfernt werden müssen, bevor er in ein Skript, einen Suchindex oder einen Diff wandert.
Der Formatumschalter oben wechselt zwischen beiden und behält die bereits gewählte Datei bei; beides auszuprobieren kostet Sie damit einen Upload statt zwei.
Alltagsaufgaben, die das nebenbei löst
- Terminal- und Log-Ausgaben. Die Ausgabe einer Sitzung, in der Sie nicht zurückscrollen können, oder ein Log-Fenster, das Sie noch erwischt haben, bevor es rotiert wurde. Als Text lässt es sich greppen, diffen oder zur Diskussion stellen.
- Screenshots aus Chat und E-Mail. Unterhaltungen, die als Bild statt als Text weitergereicht werden – also die meisten. Einmal konvertiert, haben Sie etwas Zitierbares und Durchsuchbares.
- Schilder, Etiketten und Verpackungen. Das Foto eines Typenschilds, einer Kabelbeschriftung, eines Datenblatts auf der Packung. Mühsam abzutippen, trivial zu konvertieren.
- Handschriftliche Notizen. Einen Versuch wert, mit realistischer Erwartung – saubere Druckschrift wird deutlich besser erkannt als flott hingeworfene Schreibschrift, und das Ergebnis gehört immer gegen das Original geprüft.
- Code, den Sie nur sehen und nicht kopieren können. Ein Ausschnitt in einem Videobild, auf einer Folie oder in einem gesperrten Dokument. Holen Sie ihn als Text heraus und legen Sie ihn neben Ihr GitHub-Repository als Text oder ein GitLab-Projekt, damit ein Assistent Ausschnitt und Codebasis zusammen sieht.
- Alles, was Sie von einer Website abfotografiert haben. Eine Angewohnheit, die man ablegen sollte: Web2Txt holt die Seite direkt und behält die Links, und HTML zu Markdown verarbeitet eine gespeicherte Seite. Zurück zur Quelle schlägt Pixel lesen immer.
Wo die Texterkennung greift – und wo nicht
Eine einzige Regel erklärt jeden Fehlerfall, den zu kennen sich lohnt: OCR läuft auf der Bilddatei, die Sie hochladen, nicht auf Bildern, die in anderen Dateien stecken. Ein Bild, das in einem größeren Behälter mitreist, wird übersprungen, weil der Konverter den Behälter liest.
- Ein gescanntes PDF liefert nichts. Ein reines Bild-PDF enthält keinen Text, und die Schrifterkennung greift nicht durch die PDF-Hülle bis zu den Pixeln durch. Reparieren Sie das an der Quelle: Öffnen Sie die Datei in Acrobat, in der Vorschau unter macOS oder in praktisch jedem modernen PDF-Reader, lassen Sie „Text erkennen“ laufen und nehmen Sie anschließend PDF zu Text oder PDF zu Markdown. Das ist die richtige Adresse für gescannte Dokumente.
- Bilder in einem ZIP werden aufgelistet, nicht gelesen. Die Archivkonvertierung gibt Ihnen den Dateinamen und sonst nichts. ZIP zu Text ist das richtige Werkzeug für einen Ordner voller Dokumente; bei Bildern entpacken Sie sie und laden jedes einzeln hoch.
- Bilder in Word, PowerPoint, RTF, EPUB oder E-Mails werden nicht gelesen. Sie erscheinen in der Ausgabe als Bildplatzhalter. Eine aus Screenshots zusammengesetzte DOCX-Datei wird über Word zu Markdown zum umgebenden Text mit Löchern an den Stellen der Bilder. Speichern Sie die Bilder heraus und konvertieren Sie sie hier.
Mit diesem Modell im Kopf verschwenden Sie nie wieder einen Upload: Wer ein Bild lesen lassen will, muss das Bild übergeben.
In größerer Menge, und als Futter für Maschinen
Reiner Text ist das Format der Wahl, sobald die Ausgabe nicht für Menschen bestimmt ist. Erkannter Text aus einem Stapel Bilder lässt sich sauber aneinanderhängen, vorhersehbar in Chunks zerlegen und ohne Formatierungsrauschen einbetten – genau das brauchen Sie, wenn Sie einen Suchindex über einen Berg Screenshots bauen oder abfotografiertes Archivmaterial auffindbar machen wollen.
Praktisch läuft es auf ein Bild pro Upload hinaus, denn Archive überspringen Bilder; planen Sie also eine Schleife statt eines einzigen Stapellaufs ein. Der Token-Zähler unter der Ausgabe ist hier nützlich: Er sagt Ihnen, was jede Konvertierung tatsächlich kostet, bevor Sie Seite um Seite in einem Prompt stapeln oder eine Chunking-Strategie kalkulieren. Für gemischte Bestände – Dokumente neben den Bildern – deckt File2Txt jedes unterstützte Format an einer Stelle ab, und eine Konvertierung eines lokalen Verzeichnisses flacht die textbasierte Seite eines Projekts in einem Durchgang ab.
Machen Sie es der Schrifterkennung leicht
Die Genauigkeit hängt so eng an der Bildqualität, dass ein paar Angewohnheiten mehr bewirken als jede Einstellung:
- Lieber einen Screenshot als das Foto eines Bildschirms. Keine Spiegelung, kein Winkel, keine Unschärfe, kein Moiré vom Display.
- Eng auf den gewünschten Text zuschneiden. Mehr Pixel pro Zeichen ist der ganze Trick, und nebenbei füllt sich die Ausgabe nicht mit Bedienelementen, nach denen niemand gefragt hat.
- Das Bild aufrecht und halbwegs frontal halten. Zeilen in Schräglage sind schwerer zu lesen als gerade.
- Schwierige Fälle meiden, wo es geht: Aufnahmen mit geringer Auflösung, Schrift über Fotos, Schreib- und Zierschriften sowie alles, was halb im Schatten liegt. Das kann klappen, aber dort häufen sich die Fehler.
- Gegenlesen, was zählt. Eine falsch erkannte Ziffer in einer Referenznummer fällt niemandem auf und wird teuer; ein Blick von fünf Sekunden auf die Ausgabe fängt sie ab.
Häufige Fragen
Wie wandle ich ein JPG in Text um?
Ziehen Sie das Bild in den Konverter oben. Die Texterkennung läuft auf den tatsächlichen Pixeln, und die erkannten Wörter kommen als reiner Text zurück, den Sie markieren, durchsuchen und einfügen können. Kostenlos, ohne Anmeldung, 50 MB pro Bild. Wörtlicher lässt sich „Text aus Bild extrahieren“ kaum umsetzen: Bild rein, Wörter raus, nichts zu installieren.
Funktioniert das auch mit PNG und anderen Bildformaten?
Ja: JPG, JPEG, PNG, GIF, BMP, TIFF, TIF und WebP laufen alle. PNG ist das Format, in dem die meisten Screenshots ankommen, und für OCR der beste Fall überhaupt, denn ein Screenshot ist gerenderte Schrift und kein Foto von Papier – keine Unschärfe der Kamera, keine Wölbung der Seite, keine ungleichmäßige Beleuchtung, die kompensiert werden müsste.
Kann das Werkzeug handschriftliche Notizen lesen?
Schlecht, und Sie sollten von Nein ausgehen. OCR-Modelle sind ganz überwiegend auf Drucktypen trainiert; Schreibschrift und hastige Blockbuchstaben liefern eine Ausgabe, die plausibel aussieht und ausgerechnet an den Stellen falsch ist, an denen niemand nachprüft. Saubere Druckbuchstaben auf liniertem Papier kommen manchmal durch. Alles Übrige muss gegen die Vorlage gelesen werden, was meist teurer kommt als Abtippen.
Warum kamen bei meinem Bild die falschen Zeichen heraus?
Fast immer die Auflösung. OCR braucht rund das Äquivalent von 300 DPI, um ähnliche Formen auseinanderzuhalten; darunter verschmilzt rn zu m, 1 und l tauschen die Rollen, und 0 wird zu O. Ein näher aufgenommenes Handyfoto oder ein Screenshot in voller Fenstergröße statt herunterskaliert räumt das meiste davon aus.
Bekomme ich Text aus dem Foto einer Dokumentseite?
Ja, und es klappt besser als erwartet – aber legen Sie die Seite vorher flach. Halten Sie die Kamera parallel zum Papier statt schräg, sorgen Sie für gleichmäßiges Licht ohne Schatten über der Schrift, und füllen Sie den Bildausschnitt mit der Seite. Verzerrte oder verschattete Fotos verlieren ganze Zeilen, und die Texterkennung meldet dabei keinerlei Fehler.
Wird das Bild nach der Konvertierung irgendwo gespeichert?
Nein. Es geht zur Erkennung, wird verarbeitet und verworfen, sobald der Text zurückgeht – nicht archiviert, nicht für Training verwendet, nicht indexiert. Es hängt kein Konto daran, und bei uns bleibt keine Kopie liegen.
Was es hier sonst noch gibt
Bilder stehen neben zwölf weiteren unterstützten Formaten, alle erreichbar über File2Txt. Dazu gibt es einen längeren Beitrag darüber, wie man Dateien für LLMs vorbereitet, falls Sie das allgemeine Argument statt des bildspezifischen suchen.
Repo2Txt wird entwickelt und gepflegt von v12hero, einem unabhängigen Entwickler, der native und Web-Apps mit Datenschutz an erster Stelle baut.