テキストを抽出

PDFからテキストを抽出の概要

PDFのテキスト情報を読み取り、コピーするかTXTファイルとしてダウンロードします。 メモ、検索、引用、再利用のために、見えている文字を入力し直すことなく文書のテキスト版を作成できます。

文字はPDF.jsを通じて、PDFがすでに持っている層から読み取られます。文字認識は行わないため、スキャンや写真のページからは何も返りません。文書が画像として開くのであれば、どんな抽出でも文字は取り出せません。出力はページの間に空行を挟んだUTF-8のプレーンテキストです。字間は元文書における文字断片の位置から導かれるため、多段組の版面や表は不自然に入り混じることがあり、書式、画像、リンク先は保持されません。

PDFolioでのPDFからテキストを抽出

PDFolioは既存のテキスト情報を読み取り、ブラウザ上のプレビューとTXTのダウンロードを提供します。スキャンしたページは読めるように見えても選択可能なテキストを含まない場合があります。このツールは既存のPDFテキストを読み取るもので、OCRは実行しません。

文字にある程度の構造を伴わせたいなら、PDFをHTMLにがページの境界を節として保ち、たどりやすくなります。抽出が何も返さないのであればその文書はスキャンであり、文字へ至る唯一の道は文字認識ソフトです。それはブラウザー内で完結する道具が確実に担える範囲を超えています。

ダウンロードする前に

単純な段落はきれいに抽出できることがほとんどです。PDFは編集時の構造ではなく位置情報付きの文字を保持しているため、表、段組み、見出し、装飾的なレイアウトは1つの流れとして読み取られる場合があります。TXTファイルを利用する前にプレビューをご確認ください。

結果が準備できたらすぐにダウンロードし、普段お使いのPDFビューアで開いて最終確認を行ってください。その後、データを消去を使うと、このタブから一時的なファイル参照を解放できます。PDFolioはアカウント、クラウドフォルダー、サーバー上の文書履歴を作成しません。

PDFからテキストを抽出をプライベートかつローカルに

PDFolioは選択したファイルをアクティブなブラウザタブ内で処理します。お使いの端末上のWeb Workerがこの処理を実行するため画面の操作性が保たれ、文書のデータがPDF処理サーバー、アップロード待ち行列、アカウントデータベース、広告プラットフォームに送信されることはありません。