PNG in TXT umwandeln

Der Fall kommt ständig vor: Ein Fehler in ELSTER oder in einem Jobcenter-Portal wird als Screenshot in eine E-Mail oder ein Support-Ticket eingefügt, weil sich der Text nicht markieren ließ oder die Meldung gleich wieder verschwunden wäre. Der Wortlaut existiert, nur eben als Bild und nicht als Text — und genau das steht zwischen jemandem und der Möglichkeit, ihn zu zitieren, weiterzugeben oder in eine Suchmaske einzutragen.

Dasselbe passiert bei einem Screenshot eines Dokuments statt der Datei selbst, bei Diagrammbeschriftungen oder bei einer als Bild weitergeleiteten Nachricht. In jedem Fall bleibt sonst nur Abtippen — bis die Wörter zurückgelesen werden, statt neu getippt zu werden.

Alles, was fotografierten Text schwer macht, fehlt hier. Der Fokus ist perfekt, weil nichts scharfgestellt werden musste. Es gibt keinen Winkel, weil die Seite der Bildschirm selbst ist. Kein Schatten, kein ungleichmäßiges Licht, kein Zittern. Und die Schrift wurde von Software gerendert statt gedruckt und dann fotografiert, die Buchstabenformen entsprechen also exakt dem, was die Schriftart vorgibt.

Die praktische Folge: Die Erwartungen dürfen hier höher liegen als bei einem Foto. Saubere Oberflächentexte in normaler Auflösung kommen fast immer exakt zurück, und wo nicht, liegt es fast immer an einem der beiden folgenden Punkte.

Erkennung braucht genug Pixel pro Zeichen. Ein Screenshot in voller Größe auf einem aktuellen Bildschirm hat davon reichlich; einer, der für ein Dokument verkleinert, von einer Chat-App komprimiert oder von einem niedrig aufgelösten Bildschirm aufgenommen wurde, oft nicht.

Das Bild nachträglich zu vergrößern hilft nicht — es fügt Pixel hinzu, ohne Information hinzuzufügen, und macht das Ergebnis eher schlechter, weil dabei die Buchstabenformen weicher werden. Fällt das Ergebnis schwach aus, hilft ein neuer Screenshot in voller Größe, oder die Anwendung vorher vergrößern, sodass der Text schon auf dem Bildschirm größer ist.

Die Texterkennung gleicht Formen mit dem Wortschatz und den Buchstabenformen einer eingestellten Sprache ab, und bei der falschen Sprache entsteht keine Fehlermeldung, sondern selbstsicherer Unsinn — die Erkennung passt Formen an Wörter an, die es in ihrem Wortschatz gar nicht gibt. Bei kurzen Oberflächentexten fällt das besonders schwer auf, weil die falschen Wörter trotzdem plausibel wirken.

Verfügbar sind Deutsch, Englisch, Französisch und Spanisch, und die Sprache muss vor der Umwandlung gesetzt werden. Bei gemischten Screenshots — einer deutschen Oberfläche mit englischen Fachbegriffen — hilft meist, die überwiegende Sprache zu wählen, statt zwischen beiden zu raten.

Ä, Ö, Ü und ß sind Zeichen, die eine für Englisch trainierte Erkennung nicht kennt und deshalb durch das ähnlichste bekannte Zeichen ersetzt — genau der Grund, warum die richtige Spracheinstellung bei deutschen Screenshots wichtiger ist, als es zunächst wirkt, selbst wenn der restliche Text unproblematisch aussieht.

Bei Formularen, Behördenschreiben oder Rechnungen, in denen ein einzelner Umlaut über die Verständlichkeit eines Namens oder eines Aktenzeichens entscheidet, lohnt sich ein zweiter Blick auf genau diese Zeichen im Ergebnis, statt den gesamten Text ungeprüft zu übernehmen.

Screenshots von Code und Kommandozeilen gehören zu den häufigsten Eingaben, und sie bringen eine eigene Falle mit: Ausgerechnet die Zeichen, auf die es in Code ankommt, sehen einander am ähnlichsten — die Ziffer eins gegen ein kleines L gegen einen senkrechten Strich, Null gegen großes O, in manchen Schriften ein Bindestrich gegen einen Unterstrich.

Eine Verwechslung zwischen diesen Zeichen erzeugt Text, der korrekt aussieht und nicht funktioniert, und der Fehler steckt in dem Zeichen, das am wenigsten auffällt. Alles, was ausgeführt werden soll, noch einmal lesen — und, wenn möglich, aus einer Monospace-Schrift heraus fotografieren, denn Terminal-Schriften sind gerade dafür gestaltet, diese Zeichen zu unterscheiden.

Die Ausgabe ist reiner Text in Lesereihenfolge. Eine Tabelle wird zu einer Reihe von Werten ohne Spalten, ein zweispaltiges Layout kann sich vermischen, Überschriften kommen als gewöhnliche Zeilen zurück.

Für die meisten Screenshot-Aufgaben reicht genau das — gebraucht wurde die Fehlermeldung, die Aktenzeichennummer oder der Absatz. Wo es nicht reicht, ist eine Tabelle, die weiterverarbeitet werden soll, und dort gilt ehrlich: Das hier liefert die Zahlen zum Prüfen, keine importierbare Struktur.

Ein wiederkehrender Fall in Deutschland: Formulare und Bescheide aus Behördenportalen, PDF-Anhänge, die als gescannte Seite ohne Textebene vorliegen, oder Fenster, aus denen sich nichts markieren lässt, weil die Software den Text als Grafik zeichnet. In all diesen Fällen ist ein Screenshot oft der einzige Weg an den Wortlaut heran.

Wichtig ist dabei die Erwartung an die Genauigkeit: Bei einer Fehlermeldung oder einem Absatz ist ein Tippfehler unproblematisch, weil der Sinn erhalten bleibt. Bei einer Kontonummer, einem Aktenzeichen oder einem Datum lohnt sich immer ein Abgleich mit dem Original, weil eine einzelne falsch erkannte Ziffer dort den ganzen Wert unbrauchbar macht.

Eine Tabelle in einem Screenshot — eine Kontoübersicht, eine Preisliste, ein Stundenplan — kommt als fortlaufender Text zurück, Zeile für Zeile, ohne die Spaltenstruktur. Die Werte selbst sind meist korrekt erkennbar, ihre Zuordnung zur richtigen Spalte muss aber von Hand nachvollzogen werden.

Für eine schnelle Prüfung reicht das aus — die Zahlen sind da, auch wenn sie nicht mehr in Spalten stehen. Soll die Tabelle tatsächlich weiterverarbeitet werden, ist Nachtippen in eine eigene Tabellenkalkulation am Ende zuverlässiger, als die Spaltenzuordnung aus dem erkannten Text zu rekonstruieren.

Wie bei jeder Umwandlung auf dieser Seite gilt die allgemeine Grenze von 100 Dateien pro Ablage, sodass sich auch eine ganze Sammlung von Screenshots — etwa aus einem längeren Support-Verlauf — in einem Durchgang bearbeiten lässt, statt Bild für Bild einzeln.

Jede Datei wird für sich erkannt, mit der zuvor gewählten Sprache. Bei einer gemischten Sammlung, in der manche Screenshots Deutsch und andere Englisch zeigen, lohnt es sich, sie vor dem Start in zwei Durchgänge zu trennen, statt eine falsche Sprache über den ganzen Stapel laufen zu lassen.

Für ein einzelnes Bild ist diese Umwandlung die richtige Antwort. Bei einem mehrseitigen Dokument, das regelmäßig als Bild ankommt — eingescannte Verträge, wiederkehrende Formulare aus derselben Quelle —, lohnt sich dagegen eher eine dedizierte Dokumentenerkennung mit Layoutanalyse, weil sie Tabellenspalten und Seitenstruktur tatsächlich rekonstruiert, statt nur den Text in Lesereihenfolge auszugeben.

Der Übergang ist eine Frage der Menge, nicht der Genauigkeit einzelner Zeichen: Für eine Fehlermeldung oder einen kurzen Auszug ist der Weg über diese Seite schneller als jedes spezialisierte Werkzeug einzurichten. Für einen laufenden Prozess mit Dutzenden Dokumenten pro Woche zahlt sich die Investition in etwas Spezialisiertes aus.

Die Erkennung läuft vollständig im eigenen Browsertab, auf dem eigenen Prozessor. Nichts wird hochgeladen, es gibt also keine Kopie auf einem Server, kein Konto und kein Tageslimit, und ein Ordner voller Bilder wird so schnell verarbeitet, wie das eigene Gerät sie lesen kann.

Screenshots sind eine besonders sensible Kategorie, an die selten gedacht wird: Sie enthalten routinemäßig Kontonummern, interne Systemnamen, Kundendaten, Namen von Kolleginnen und Kollegen in einer Nachrichtenliste und alles andere, was gerade am Bildschirmrand zu sehen war, als der Screenshot entstand. Nichts davon irgendwohin zu senden, ist die einfachste Antwort auf all das.