PDFからテキストを抽出
PDFのテキストレイヤーを取り出し、整ったUTF-8テキストファイルとして保存します。行はページのレイアウトから再構成され、ページ範囲の指定やページ区切りの有無も選べます
ここにPDFファイルをドロップ
またはクリックしてファイルを選択
PDFからテキストを取り出し、編集したり検索したり別のプログラムに渡したりできます。レイアウトは行単位・ページ単位で再構成され、結果はコピーするか、プレーンテキストファイルとしてダウンロードできます。
レポートがPDFしか存在しない場合、一節を引用したい場合、リーダーを開かずに文書の内容を確認したい場合に便利です。テキストはファイル自体から読み取るため、デジタルで作成されたPDFで機能します。スキャンにはテキスト層がないので、代わりにOCRが必要です。
PDFからテキストを抽出する方法
PDFを追加します
テキストを抽出します
コピーするか、.txtファイルをダウンロードします
よくある質問
スキャンしたPDFが空になるのはなぜですか？
スキャンはテキストを写した画像でありテキスト層がないため、抽出できる文字が存在しません。そのようなファイルには先に光学文字認識（OCR）が必要です。
レイアウトは保持されますか？
行と改ページは保たれますが、複雑な段組みや表は読み順に近い形で出力されます。表は手作業で整える前提でお考えください。
一部のページだけ抽出できますか？
はい。ページ範囲を入力するとそのページだけが処理されます。長いレポートから1つの章だけが必要なときに便利です。
非ラテン文字にも対応していますか？
はい。文字の表示に必要なフォントがPDFに埋め込まれていれば問題ありません。中国語、日本語、韓国語、キリル文字、アラビア語の文書もおおむね正しく抽出できます。
サイズの上限はありますか？
実質的な上限は端末のメモリです。長い文書はページごとに抽出され、届いた順に読むことができます。
PDFはアップロードされますか？
いいえ。抽出はブラウザ内で実行されます。
概要
| 入力 | |
|---|---|
| 複数ファイル | いいえ |
| 実行場所 | ブラウザ内で実行 - ファイルはアップロードされません |
| オフラインでも動作 | はい — ページを読み込んだ後 |
| 料金 | 無料・登録不要・透かしなし |
テキストを選択・検索できる状態に保つ
PDFには本物のテキストが入っている場合と、テキストを写した画像が入っている場合があり、この違いは重要です。本物のテキストは選択、検索、コピー、読み上げができますが、スキャンしたページはOCRをかけるまでそれができません。「サイズを小さくする」ツールの多くは、すべてを黙って画像に変換してしまいます。ファイルは小さくなりますが検索できなくなり、拡大すると文字がぼやけます。文書を使い続ける必要がある場合（契約書、マニュアル、後で検索する可能性のあるもの）は、テキストはテキストのまま残し、画像だけを圧縮してください。スキャンから始める場合は、先にOCRを実行してから圧縮します。
PDFが大きくなる本当の原因
肥大化したPDFの中身は、ほとんどがテキストではなく画像です。10ページのスキャンが40 MBになる一方、300ページのテキスト文書は2 MB未満であることもよくあります。だからこそ圧縮が狙うのは埋め込まれた画像です。適切な解像度にダウンサンプリングし（画面で読むだけなら通常150 dpiで十分、印刷する場合のみ300 dpi）、より効率のよい方式で再エンコードします。テキスト、ブックマーク、リンク、フォームフィールドはほとんど容量を使わず、削除する必要はありません。圧縮してもファイルが大きいままなら、圧縮設定が触れていない高解像度画像が多数含まれているか、削除できる埋め込みフォントや添付ファイルが残っているかのどちらかです。