ZIP in Text umwandeln: aus einem Archiv ein einziges durchsuchbares Korpus machen
Es gibt einen ganz bestimmten Moment, für den dieses Werkzeug gebaut wurde. Sie haben ein Archiv — einen Export, ein Backup, ein Bündel, das Ihnen jemand geschickt hat — voller Dokumente in einem halben Dutzend Formaten, und was Sie eigentlich brauchen, ist nicht, sie zu lesen. Sie müssen alle auf einmal durchsuchen. Zählen, wie oft ein Begriff vorkommt. Den ganzen Stapel an ein Embedding-Modell geben. Die drei von achtzig Dateien finden, die eine bestimmte Klausel erwähnen.
Laden Sie das ZIP hoch und Sie bekommen einen einzigen flachen Textkörper zurück, der alles Lesbare darin enthält. Keine Überschriften, keine Pipe-Tabellen, keine Syntaxzeichen — nur Text, den Sie mit grep durchsuchen, indizieren, chunken oder einfügen können. Kostenlos, ohne Konto, 50 MB Obergrenze für das Archiv, und sobald Sie Ihre Ausgabe haben, bleibt nichts liegen.
Ein Archiv rein, ein Korpus raus
Das Archiv wird entpackt, der Baum darin wird durchlaufen, und jede Datei mit einer unterstützten Endung
wird mit derselben Logik konvertiert, die sie auch als einzelner Upload bekäme. Danach kommt alles zu einem
durchgehenden Text zusammengefügt zurück. Die Ordnerpfade aus dem Archiv werden mitgeführt, Sie erkennen
also weiterhin, dass etwas aus exports/2023/ stammt und nicht aus drafts/ — aber
die Ausgabe selbst ist flach, gleichförmig und maschinell leicht zu verarbeiten.
Das Effizienzargument liegt auf der Hand. Vierzig Dokumente einzeln konvertiert sind vierzig Uploads und vierzig Zwischenablage-Operationen. Als eine einzige Massenkonvertierung von Dateien zu Text ist es einer. Und weil alles in einer Ausgabe landet, entfällt der Zusammenbau danach — kein Grübeln, ob Sie Datei 23 zweimal eingefügt und 24 übersprungen haben.
Warum flacher Text bei Massenarbeit Markdown schlägt
Markdown lohnt sich, wenn ein Mensch die Ausgabe liest oder wenn die Dokumentstruktur Bedeutung trägt. Für das meiste, was man mit einem ganzen Archiv auf einmal macht, trifft weder das eine noch das andere zu, und das Markup wird zu Ballast:
- Embeddings und RAG-Pipelines. Chunker arbeiten auf Fließtext. Pipe-Tabellen und Überschriftenmarken werden über Chunk-Grenzen zerschnitten, verwässern das semantische Signal in jedem Vektor und verbrauchen Budget, das dem eigentlichen Inhalt zustünde. Der meiste Ingestion-Code entfernt Markdown ohnehin als ersten Schritt — fangen Sie gleich ohne an.
- Suchindizierung. Was auch immer Sie befüllen, ein Tokenizer will saubere Wörter. Syntaxzeichen werden zu Rauschen, das der Analyzer wegwerfen muss.
- Stichwort- und Häufigkeitsanalyse. Termzählungen, Kookkurrenz, TF-IDF, einfache Regex-Durchläufe — auf schmucklosem Text alles sauberer, ohne das Risiko, dass ein Tabellentrenner als Token durchgeht.
- Deduplizierung und Diffs. Zwei Archivkonvertierungen zu vergleichen, um Änderungen zu finden, ist deutlich einfacher, wenn Formatierung keine Scheinunterschiede erzeugen kann.
- Token-Effizienz. Über Dutzende Dokumente hinweg summiert sich strukturelles Markup zu einem echten Anteil Ihres Kontextfensters. Es wegzulassen schafft Platz für mehr Quellmaterial.
Wechseln Sie zu ZIP zu Markdown, wenn das Gegenteil gilt — wenn Sie klare Grenzen zwischen den Dokumenten brauchen, wenn Tabellen und Klauselnummerierung zählen, oder wenn Sie das Ergebnis selbst lesen werden. Der Format-Umschalter oben wechselt hinüber und nimmt Ihr gewähltes Archiv mit, Sie können also aus einem Upload beides erzeugen und sehen, was besser passt.
Wissen Sie vor dem Upload, was im Archiv steckt
Unterstützte Formate konvertieren an jeder Stelle des Baums: PDF, Word, PowerPoint, Excel, HTML, CSV, JSON, XML, EPUB, RTF, MSG und Bilder. Gemischte Archive sind der Normalfall. Wenn Sie im Detail wissen wollen, wie sich ein bestimmter Typ nach dem Plattmachen verhält, schauen Sie in PDF zu Text, Word zu Text, CSV zu Text oder MSG zu Text für Outlook-Nachrichten.
Was übersprungen wird: Video, Audio, Binärdateien, Schriften und alles außerhalb der unterstützten Liste. Zwei weitere Fälle sollten Sie kennen, bevor die Ausgabe Sie überrascht.
- Bilder werden innerhalb eines Archivs nicht gelesen. Einzeln hochgeladen wird der Text in Bilddateien erkannt und zurückgegeben. In einem ZIP gebündelt nicht — der Stapeldurchlauf vermerkt die Datei und geht weiter. Ein Archiv aus Screenshots oder gescannten Seiten läuft also fehlerfrei durch und liefert Ihnen Dateinamen statt der Wörter in den Bildern. Wenn es Ihnen gerade um diese Wörter geht, packen Sie die Bilder aus und schicken Sie sie einzeln durch Bild zu Text.
- Gescannte PDFs haben dasselbe Problem. Ein PDF, das in Wahrheit ein Foto von Papier ist, hat keinen eingebetteten Text zum Extrahieren. Testen Sie eines, indem Sie im Reader einen Satz zu markieren versuchen — geht das nicht, lassen Sie vor dem Zippen eine Texterkennung darüberlaufen.
- Verschachtelte Archive. Ein ZIP, das weitere ZIPs enthält, packen Sie besser eine Ebene von Hand aus, bevor Sie hochladen.
Wo sich ein flaches Korpus bezahlt macht
- Dokumentensichtung in der Masse. Ein Offenlegungspaket oder ein Datenraum-Export, bei dem die erste Frage lautet „welche davon erwähnen die Sache überhaupt“ — und nicht „lies mir dieses Dokument vor“.
- Eine Wissensbasis aufbauen. Handbücher, Richtlinien und Prozessdokumente eines Unternehmens, in einem Durchgang konvertiert und in ein Retrieval-System eingespeist als die Grundlage, aus der ein Assistent antwortet.
- Support- und Ticket-Exporte. Monate an Konversationen zu Text plattgemacht, über den Sie eine Themenanalyse laufen lassen oder den ein Modell zu wiederkehrenden Beschwerden clustern kann.
- Forschungskorpora. Ein Ordner mit Papers, Berichten und Datensätzen, in einen Textkörper verwandelt für dokumentübergreifende Analyse statt Lektüre Stück für Stück.
- Migration und Content-Audits. Bevor Sie eine Dokumentationssammlung auf eine neue Plattform umziehen, konvertieren Sie das ganze Archiv und suchen nach toten Verweisen, veralteten Produktnamen oder doppelten Seiten.
- Workspace-Exporte. Downloads aus Slack, Notion und Takeout sind strukturell unaufgeräumt und voller verschachtelter Ordner. Sie flach zu machen ist das, was sie handhabbar macht.
Größe, Reihenfolge und sinnvolle Stapelbildung
Das 50-MB-Limit gilt für das hochgeladene Archiv, nicht für die einzelnen Dateien darin. Textlastige Dokumente komprimieren gut, es passen also viele hinein; Mediendateien komprimieren nicht und fressen das ganze Kontingent für nichts. Werfen Sie Videos und große Bilder vor dem Zippen heraus.
Wenn Sie das Korpus abschnittsweise durcharbeiten wollen, teilen Sie nach Ordnern und zippen Sie jeden Abschnitt einzeln — ein Archiv pro Mandant, pro Quartal, pro Projekt. So bleibt jede Ausgabe in einer Größe, die Sie tatsächlich einfügen können, und Zusammengehöriges bleibt zusammen. Der Token-Zähler unter der Ausgabe ist die Zahl, nach der Sie steuern: Er sagt Ihnen sofort, ob ein Stapel in das Kontextfenster Ihres Modells passt oder geteilt werden muss, bevor Sie es auf die harte Tour erfahren.
Und wenn das Archiv ein Quellcode-Projekt statt Dokumente enthält, nehmen Sie stattdessen den Konverter für lokale Verzeichnisse. Er gibt Ihnen einen Auswahlbaum des Ordners, sodass Sie Abhängigkeiten, Build-Artefakte und Lockfiles vor der Konvertierung ausschließen können — diese Kontrolle kann ein Archiv-Upload nicht bieten. Code, der schon bei einem Hoster liegt, ist noch einfacher: Der GitHub-zu-Text-Konverter arbeitet direkt von einer URL aus.
Häufige Fragen
Wie wandle ich eine ZIP-Datei in Text um?
Laden Sie das Archiv oben hoch. Es wird entpackt, der Baum darin durchlaufen, und jede Datei mit einer unterstützten Endung wird konvertiert und zu einem einzigen flachen Textkörper zusammengefügt. Kostenlos, ohne Anmeldung, 50 MB pro Archiv, nichts wird gespeichert. Die Ordnerpfade aus dem Archiv werden mitgeführt, Sie erkennen also, woher jeder Teil stammt.
Welche Dateitypen im Archiv werden konvertiert?
Dieselben dreizehn, die diese Seite auch als einzelne Uploads abdeckt — PDF, Word, PowerPoint, Excel, HTML, CSV, JSON, XML, Bilder, EPUB, RTF, Outlook-Nachrichten und verschachtelte Archive. Alles andere im ZIP wird übersprungen statt als Binärrauschen ausgekippt, ein Bündel aus Dokumenten, Videos und ausführbaren Dateien liefert also trotzdem eine saubere Ausgabe.
Funktioniert das mit passwortgeschützten Archiven?
Nein. Ein verschlüsseltes ZIP hat keine lesbaren Einträge, solange es nicht mit dem Passwort entschlüsselt ist, und es gibt hier keine Stelle, an der man eines eingeben könnte. Entpacken Sie es lokal mit dem Passwort, zippen Sie es unverschlüsselt neu — oder richten Sie den Konverter für lokale Ordner auf das entpackte Verzeichnis.
Mein Archiv ist größer als 50 MB — was jetzt?
Teilen Sie es nach Ordnern und konvertieren Sie in mehreren Durchgängen — oder lassen Sie das Archiv ganz weg: Entpacken Sie es auf Ihrem Rechner und nehmen Sie den Konverter für lokale Ordner, der ohne Upload-Schritt auskommt, den ganzen Baum durchläuft und Sie genau ankreuzen lässt, welche Dateien mitsollen. Bei einem großen Dokumentenbestand ist das ohnehin der bessere Weg.
Ist das das richtige Werkzeug für ein gezipptes Code-Repository?
Eher nicht. Für Quellcode sind der GitHub-Konverter und das Werkzeug für lokale Ordner gebaut — sie zeigen Ihnen den Verzeichnisbaum, lassen Sie node_modules und Lockfiles abwählen und zählen dabei die Tokens mit. Diese Seite zielt auf Archive mit Dokumenten, bei denen es keinen Baum zum Ausdünnen gibt.
Der Rest des Werkzeugkastens
File2Txt nimmt jedes unterstützte Format von einer einzigen Seite aus, wenn Sie sich nicht festlegen wollen. Es gibt einen ausführlicheren Leitfaden zur Aufbereitung von Dateien für LLMs, wenn Sie die Überlegungen dahinter an einer Stelle nachlesen möchten.
Repo2Txt wird entwickelt und gepflegt von v12hero, einem unabhängigen Entwickler, der native und Web-Apps mit Fokus auf Datenschutz baut.