ソリューション
ブラウザ上でPDFをテキストに変換し、プレーンTXTファイルとしてダウンロードできます。テキスト認識は必要なときだけオンにして、不要なときはオフにできます。
または、ファイルをドロップ、貼り付けるか、クラウドから選択
PDFをテキストに変換するといっても、実際には2つの作業があります。このコンバーターなら、必要な方を選べます。ほとんどのPDFにはすでに文字情報が含まれているため、そのテキストを読み出すだけで済みます。一方、スキャンされたPDFにはページの画像しかないため、テキストを取り出す前に文字を認識する必要があります。
テキスト認識は初期設定でオフになっていますが、これは意図的なものです。実際のテキストレイヤーを持つPDFは、画像から文字を推測するのではなくコピーするだけなので、OCRなしの方が速く、正確に変換できます。必要のないファイルで認識をオンにすると、かえって精度が落ちる可能性があります。
どちらの種類のファイルかは、すぐに見分けられます。PDFを任意のリーダーで開き、行をドラッグしてみてください。文字がハイライトされる場合は、OCRの切り替えはオフのままにします。何もハイライトされない場合は、ページが画像なのでスイッチをオンにし、124の対応ソース言語から文書の言語を選びます。
PDFからテキストを抽出すると、閲覧するだけのページが、再利用できる文字情報に変わります。コンバーターは検出した内容をすべてプレーンテキストファイルに書き出すので、引用文をコピーしたり、段落をメールに貼り付けたり、任意のエディターの検索機能で文書全体からキーワードを探したりできます。
これは、多くの人が想定している作業をカバーします。論文から参考文献を取り出したり、レポートから数値を抜き出したり、長い文書の本文を他のライティングツールへ移したりする場合です。手入力や手作業での転記は一切ありません。
複数のPDFを一度に投入できます。各ファイルは個別に変換され、それぞれが独立したテキストファイルとして戻ってきます。すべて同じOCR設定と同じ言語が適用されます。アカウント登録もメールアドレスの入力も不要です。
.txt ファイル拡張子はプレーンテキストファイルに使われます。これらのファイルにはテキストの行が含まれており、さまざまなプラットフォームやデバイスの多くのテキストエディタで開くことができます。テキストに書式情報は含まれていません。
PDFではなくTXTに変換する理由はここにあります。TXTであれば、どのパソコンやスマートフォンでも開け、閲覧にライセンスも不要で、元のPDFを作成したプログラムが変わっても長く読み続けることができます。
ファイル拡張子: .txt、MIMEタイプ: text/plain
Wikipedia の TXTプレーンテキストファイルが保持するのは「文字」であって「ページ」ではありません。変換後に残るものと、残らないものは次の通りです。
| PDF側の情報 | TXTファイル側 |
|---|---|
| 文字と改行 | 保持 |
| 読み順 | 上から下の順で保持 |
| 太字・斜体・フォント | 破棄 |
| 画像・ロゴ・グラフ | 破棄 |
| 表 | 罫線なしのテキストとして保持 |
| 複数カラムのページ | 1カラムに流し込み |
| ヘッダー・フッター・ページ番号 | 本文テキストと一緒に書き出し |
プレーンテキストファイルが扱うのは文字であり、レイアウトではありません。レイアウトが文字と同じくらい重要な場合は、PDF to Wordアプリの方が適しています。
PDF内の文字はページレイアウトに固定されています。次のような場合は、テキストを素の形で取り出すことで、作業を大きく省くことができます。
論文、報告書、書籍はPDFで共有されることが多くなっています。一度テキストを抽出しておけば、必要な箇所をノートに貼り付けるだけで済み、打ち直す必要はありません。
テキストファイルはどのエディターでも開けるので、ページを延々と読む代わりに、名前・日付・金額などを一気に検索できます。
翻訳ツール、ライティングツール、スクリーンリーダー、スプレッドシートなど、多くのツールはプレーンテキストを受け付けます。TXTは、ほとんどすべてのツールが変換なしで扱える形式です。
変換されるPDFには、契約書や請求書、個人的なやりとりなどが含まれることがよくあります。ここでは、それらをどのように扱うかを明確にお知らせします。
すべてのアップロードとダウンロードは暗号化された接続で行われ、転送中にファイルの内容を読まれることはありません。
処理は、欧州連合内にある認証済みデータセンターで行われます。
テキスト認識は完全に自動化されています。スキャンや文書が人に読まれることはなく、第三者と共有されることもありません。
PDF をアップロードします。
PDFがスキャンの場合はOCRをオンにします。ファイル内のテキストがすでに選択可能な場合は、オフのままにします。
メニューから文書の言語を選択します（任意）。
「Start」をクリックし、変換が完了するまでお待ちください。
はい。PDFをテキストに変換する機能は無料で、アカウント作成もメールアドレスの入力も不要です。ファイルをアップロードし、変換を開始してテキストをダウンロードするだけです。大容量ファイルや長い一括処理を行う場合のみ、プランが関係してきます。
上のエリアにPDFをアップロードし、ファイル内のテキストがすでに選択できる場合はOCRの切り替えをオフにしたまま変換を開始します。結果としてプレーンテキストファイルが生成され、ダウンロードして任意のエディターで開けます。インストールは一切不要です。
文字の上をドラッグしたときにハイライトされるなら、そのままPDFリーダーからコピーできます。ハイライトされない場合、そのページは画像なので選択可能なテキストがありません。PDFをテキストに変換すれば、この問題は解決します。出力がテキストファイルになるため、自由にコピーできます。
まさにこのコンバーターが出力するのがTXTです。TXTはプレーンテキスト形式なので、ダウンロードしたファイルの拡張子は .txt で、メディアタイプは text/plain になります。Notepad、TextEdit、任意のコードエディターやスマートフォンで、追加ソフトなしに開けます。
ほとんどのPDFにはOCRが不要だからです。実際のテキストレイヤーを持つPDFであれば、画像から文字を認識するのではなくコピーするだけなので、OCRなしの方が速く、精度も高くなります。ページがスキャンや写真の場合にだけOCRをオンにしてください。その際に言語選択も表示されます。
はい。OCRをオンにすれば使用できます。認識機能がページ画像から文字を読み取り、テキストファイルに書き出します。変換するファイルのほとんどがスキャンの場合は、スキャンPDFからテキストへのアプリを使う方が、同じ結果へ直接たどり着けます。
対応しているソース言語は124種類です。欧州言語に加えて、ヒンディー語、ベンガル語、タミル語、ウルドゥー語、アラビア語、タイ語、日本語、韓国語、中国語（簡体字・繁体字）も含まれます。最もよい結果のために、文書が書かれている言語を選択してください。
はい。必要なだけPDFを追加すると、1回の実行で変換され、それぞれが同じOCR設定と同じ言語が適用された個別のテキストファイルとして出力されます。
これらはすべてブラウザー上で動作します。インストールもアカウントも不要で、同じ文字認識エンジンが使われています。