PDFからテキストの使い方
- 1. PDFを選ぶ「PDFファイルを選択」をクリックするか、PDFを枠にドラッグします。複数でもかまいません。
- 2. レイアウトを選んで「変換」をクリック「改ページあり」か「テキストのみ」を選び、「変換」をクリックします。
- 3. ダウンロードTXTファイルをダウンロードします。複数のPDFは「すべてダウンロード（.zip）」で保存できます。
PDFとTXTについて
ワープロソフト、ブラウザ、デザインアプリで作ったPDFの多くには、実際の文字が入ったテキストレイヤーがあります。このツールはそのレイヤーを読み取り、文字を.txtファイルに保存します。
TXTファイルに入るのは文字と改行だけです。フォント、色、画像はなく、どのテキストエディタでも開けます。
| TXT | ||
|---|---|---|
| 中身 | 文字、フォント、画像、正確なレイアウト | 文字と改行 |
| 編集 | 専用のソフトがないと難しい | どのテキストエディタでもできる |
| 書式 | そのまま保持 | なし |
| 開けるもの | PDFリーダーとブラウザ | メモ帳、テキストエディットなどすべてのエディタ |
スキャンしたPDF
PDFリーダーで文章を選択してみてください。文字がハイライトされれば、そのPDFにはテキストレイヤーがあり、抽出できます。
何もハイライトされない場合、そのページはスキャン画像です。スキャンにはOCRが必要ですが、FileToasterはまだ対応していません。ページを画像として保存し、iPhoneやMacの「テキスト認識表示」、AndroidのGoogleレンズで文字をコピーする方法があります。
レイアウト
- 初期設定は「改ページあり」です。ページの区切りが残るので、どの文章がどのページにあったかがわかります。
- 「テキストのみ」は、ページの区切りのないひと続きのテキストになります。
抽出結果について
- 表は、スペースで区切られたテキストの行として出力されます。
- 段組み、サイドバー、キャプションのあるページは、思わぬ順番で出力されることがあります。
- ヘッダー、フッター、ページ番号もテキストに残ります。
- 太字、斜体、リンク、画像はなくなります。
- 文字の対応表を持たないフォントを埋め込んだPDFでは、文字化けすることがあります。元のアプリでファイルを保存し直すと、たいてい直ります。
プライバシー
テキストはブラウザ内で抽出され、PDFはアップロードされません。確かめ方は仕組みのページで説明しています。
よくある質問
書式なしでPDFの文字を取り出すには？
「テキストのみ」を選んで「変換」をクリックします。.txtファイルに入るのは文字と改行だけです。
スキャンしたPDFから文字を抽出できますか？
いいえ。スキャンしたページにはテキストレイヤーがなく、OCRが必要ですが、このツールはまだ対応していません。結果は空か、ほとんど空になります。
PDFからTXTへの変換と、PDFからテキストへの変換は同じですか？
はい。結果は拡張子が.txtのプレーンテキストファイルです。メモ帳、テキストエディットなど、どのエディタでも開けます。
文字の順番がおかしいのはなぜですか？
PDFは文字がページのどこにあるかを記録していて、読む順番は持っていません。段組みや表は順番が崩れることがあり、手で直す必要がある場合もあります。
複数のPDFからまとめて抽出できますか？
はい。PDFごとに.txtファイルができ、「すべてダウンロード（.zip）」でまとめて保存できます。