PDFをテキストに
PDFのテキスト層をシンプルな.txtファイルとして抽出します。コピー、再利用、検索に。ローカル、アップロードなし。
ファイル
お使いの端末でローカル処理中 ...
0%
ファイルは一度も端末から出ていません
私のファイルはアップロードされますか？
いいえ。すべてブラウザ内で動作します。あなたのファイルが端末から出ることはありません。これが検証できる理由
PDFから純粋なテキストだけが欲しいときがあります。引用を文書に取り込む、契約書をエディターに貼り付ける、検索や保管のために内容を索引化する、テキストを読み上げ・スクリーンリーダーに渡す、などです。このツールはPDFに埋め込まれたテキスト層を読み取り、シンプルな.txtファイルとして返します。書体や画像、色、レイアウトはなく、文字だけです。
順序はページごとに復元されます。同じ高さにあるテキスト片が1行となり、上から下、左から右へと読まれます。ページの区切り方を選べます。空行(標準)、テキストエディターやプリンター向けの昔ながらの改ページ、または連続した本文にするための区切りなし、です。こうして出力は次の工程に合います。編集でも、取り込みでも、全文検索でも対応できます。
大切で正直なところ、このツールはすでにPDF内にテキスト層として入っているテキストだけを抽出します。スキャンしたPDFや写真だけのPDFにはこの層がなく、そこでは出力が空になります。その場合は代わりに、ピクセルから文字を認識する文字認識PDF OCRが必要です。複数段組み、表、脚注を含む複雑なレイアウトも、常に完璧な線形のテキスト順序にできるとは限りません。ただし通常の本物のPDF(オフィスソフト、ブラウザー、組版システムで作られたもの)なら、抽出はきれいで再利用しやすいテキストを返します。すべてpdf.jsでブラウザー内のローカルに動き、あなたのファイルは端末から出ません。
技術仕様
| 入力形式 | |
|---|---|
| 出力形式 | TXT |
| 一括処理 | 非対応 |
| 処理 | ブラウザ内でローカル処理 (JavaScript) |
| ファイルのアップロード | なし |
3ステップで
- PDFをドロップします。
- 任意: ページの区切り方を選びます。
- テキストを.txtでダウンロードします。
制限: PDFの既存のテキスト層を抽出し、UTF-8の.txtファイルとして返します。行はテキストの位置から復元されます。スキャンしたPDFや画像のみのPDFにはテキスト層がなく、出力は空になります。その場合はPDF OCRを使ってください。書体、画像、色、正確なレイアウト(複数段組みのページ、表)は失われるか、線形に近似されるだけです。パスワード付きPDFは先にPDFロック解除で開いてください。
よくある質問
テキストファイルが空なのはなぜですか?
おそらくあなたのPDFはスキャンか画像でできていて、テキスト層がありません。その場合は、ピクセルからテキストを認識するPDF OCRを使ってください。
レイアウトは保たれますか?
いいえ。読み順の純粋なテキストが得られます。書体、画像、段組み、表は忠実には再現されません。
ファイルの文字コードは何ですか?
UTF-8です。日本語や特殊文字も正しく保たれます。
複数ページはどう区切られますか?
選択できます。空行(標準)、改ページ、または連続した本文にするための区切りなし、です。
PDFはアップロードされますか?
いいえ、テキスト抽出はすべてブラウザー内でローカルに行われます。