PDFからテキストを取り出す

PDFをテキストには、PDF内の文字をすべて取り出してシンプルな.txtファイルにし、すぐにコピーできるプレビューも表示します。PDFビューアーからのコピーが面倒なとき、文書をほかのソフトに貼り付けたいとき、検索や翻訳をしたいとき、スクリプトで処理したいときに便利です。

文字はPDFに保存されている順番で出力され、ふつうは読む順番と同じです。2段組みやテキストボックスのある文書では、段落の順番が少し変わることがあります。ページとページの間にははっきりした区切りが入るので、どの文字がどのページのものかがわかります。

取り出しはお使いのブラウザ内で行われるので、機密文書でもアップロードされることはありません。改行はPDFの行に従い、表は読む順の文字として出力されます。ヒンディー語、アラビア語、中国語、日本語を含め、PDFに実際の文字として保存されている言語ならどれでも取り出せます。

スキャンしたPDFはページの画像で、実際の文字は入っていません。結果が空の場合はツールがお知らせするので、先にPDFのOCRで文字を読み取れるようにしてから、ここで取り出してください。