PDFをXMLに変換
PDF の内容を構造化 XML に変換します。見出し、段落、表はタグ付きの要素になり、ほかのソフトやデータベースから直接読み取れます。
ここにPDFをドロップ
またはクリックしてファイルを選択
PDFの内容を構造化されたXMLとして抽出します。テキストのブロックと表の行が要素としてタグ付けされるため、結果を手作業で入力し直すことなく、データベース、ERPシステム、CMSに取り込めます。
PDFはデータ形式ではなく、印刷のための形式です。テキストは絶対位置に配置されており、ファイルから読み出すことはできますが、ファイル自身は「列」や「合計」が何であるかを知りません。このツールはレイアウトから妥当な要素構造を再構築します。フォームや単純な表ではうまく機能し、複雑な多段組の文書では確認が必要です。PDFが必要なフォントを埋め込んでいる場合、非ラテン文字はそのまま抽出されます。
PDFの内容をXMLとして抽出する方法
PDFを追加します
XMLに変換します
構造を確認してファイルをダウンロードします
よくある質問
XMLは文書を完全に再現しますか？
いいえ。構造はレイアウトから推測されるため、フォームや単純な表では近い結果になりますが、複雑な多段組のページでは近似にとどまります。認定された変換結果ではなく、質の高い下書きとして扱ってください。
XMLには何が含まれますか？
位置情報を伴う要素にまとめられたテキストの内容です。画像は埋め込まれません。図をファイルとして取り出したい場合は「PDFを画像に変換」ツールをお使いください。
スキャンしたPDFでも動作しますか？
いいえ。スキャンは文字を写した画像であり、抽出できる内容がありません。そのような文書には先にOCRが必要です。
パスワード保護されたファイルに対応していますか？
パスワードなしで開ける文書だけです。ご自身のファイルであれば、先に保護を解除してください。
結果をそのまま取り込めますか？
XMLは整形式で標準的なツールで解析できますが、通常は取り込む前に要素を独自のスキーマに対応付ける必要があります。
PDFはアップロードされますか？
いいえ。抽出はお使いのブラウザ内で行われます。
XMLには実際に何が入っていますか？
文書から抽出したテキストを、ページごとにXML要素で囲んだものです。元のレイアウト、フォント、図版は含まれません。PDFを再現するためではなく、内容を別のシステムへ取り込むための形式です。
表は保持されますか？
テキストとしてのみ保持されます。PDFは表の構造ではなく配置された文字を保存しているため、行と列は読み取り順のテキスト行として出てきます。実際のセルが必要な場合は、PDFをExcelに変換ツールをご利用ください。
文字コードは選べますか？
はい。ほぼすべての用途ではUTF-8が適切です。UTF-16は、後続のシステムがどうしてもそれを要求する場合にのみ選んでください。ラテン文字のテキストではファイルサイズがほぼ倍になります。
スキャンした文書でも動作しますか？
いいえ。スキャンしたページには抽出できる文字層がありません。先にOCRを実行してから、検索可能なPDFを変換してください。
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のバージョン、標準、互換性
PDF 1.4はほぼすべての環境で読めるため、フォームや一般的な共有における安全な既定の選択です。PDF 1.7は圧縮性能が向上し、現代のソフトの多くがこれで書き出します。PDF/Aは、すべてのフォントを埋め込み、外部への依存を禁止することで20年後も同じ見た目で表示できるようにするアーカイブ用の規格です。公文書館や一部の政府提出では必須とされていますが、ファイルが大きくなるため日常的な用途には向きません。暗号化されたPDFは、他のどのツールでも扱えるようにする前に保護を解除する必要があります。また、権限（オーナー）パスワードは開くためのパスワードより弱いものです。印刷やコピーを思いとどまらせるためのもので、誰かの侵入を防ぐものではありません。