使い方
- PDF ファイルを選択するか、ドラッグ＆ドロップします。
- 各ページが読み込まれるのを待つと、下にテキストが表示されます。
- 文が行の途中で分かれている場合は「折り返された行を段落にまとめる」をオンにします。
- テキストをコピーするか、.txt ファイルとしてダウンロードします。
オプションの説明
- ページの区切りを入れる
- 各ページの前に「--- N ページ ---」の行を入れるので、テキストがどのページのものかわかります。
- 折り返された行を段落にまとめる
- PDF は印刷上の 1 行ごとに別々に文字を保存しています。このオプションは段落内の行をつなぎ、行末のハイフンを取り除きます。空行、箇条書きの項目、句点で終わる行はそのまま残します。
「折り返された行を段落にまとめる」の動作
PDF は文字を印刷された行ごとに保存しているため、1 つの段落が短い複数の行になって届きます。抽出されたままのページは次のようになっています。
Revenue grew steadily dur-
ing the year, driven by
new customers.
- First item
- Second item折り返された行を段落にまとめるをオンにし、ページの区切りを入れるをオンのままにすると、結果は次のようになります。
--- Page 1 ---
Revenue grew steadily during the year, driven by new customers.
- First item
- Second item上の行がピリオド、!、?、コロン、セミコロン、閉じ引用符や閉じ括弧で終わっている場合、次の行が箇条書きのように始まる場合、間に空行がある場合は、行はつなげられません。行末のハイフンは、文字の後ろにあり、次の行が小文字で始まる場合に取り除かれるので、well-known のように、たまたまハイフンの位置で折り返された本物のハイフン付きの単語は、ハイフンが失われます。中国語、日本語、韓国語の文字の間にスペースが追加されることはありません。
よくある質問
テキストが見つからないのはなぜですか？
スキャンした文書や写真を PDF にしたものは、テキストではなく文字の画像を含んでいます。これには光学文字認識（OCR）が必要ですが、このツールは OCR に対応していません。
テキストの順番がおかしいのはなぜですか？
テキストはファイルに保存されている順に抽出されます。段組み、表、テキストボックスは、読む順番どおりに保存されていないことがあります。
日本語や中国語などの PDF にも使えますか？
はい。CJK フォント用の文字マップを含んでいるので、中国語・日本語・韓国語の PDF からも正しくテキストを取り出せます。
プライバシー
このツールはすべてブラウザ内で動作します。ファイルやテキストはお使いの端末上で処理され、当サイトのサーバーにアップロードされることはありません。