PDFからテキストを抽出するには、OnCloudPDFでファイルを選び、「テキストを抽出」をクリックして、結果をプレビューで確認し、プレーンな.txtファイルをダウンロードします。読み取るのはPDFに埋め込まれた文字なので、文字情報のないスキャンでは、その旨が表示され、先にOCRを実行するよう案内されます。
またはここにファイルをドロップ、Ctrl Vで貼り付け
知っておきたいこと： 抽出できるのは、PDFに埋め込まれた文字だけです。スキャンした、または画像だけのページには文字がありません。文字情報のないPDFの場合は、その旨が表示され、OCR PDFを使うよう案内されます。 すべての制限事項
PDFからテキストを抽出するには、OnCloudPDFでファイルを選び、「テキストを抽出」をクリックして、結果をプレビューで確認し、プレーンな.txtファイルをダウンロードします。読み取るのはPDFに埋め込まれた文字なので、文字情報のないスキャンでは、その旨が表示され、先にOCRを実行するよう案内されます。
更新日 · ブラウザ内で実行。アップロード不要、アカウント登録不要
PDFからの文字の読み取りも.txtファイルの作成も、すべてブラウザ内で行われるため、文書がアップロードされることはありません。PDFを読み取るpdf.jsのワーカーはOnCloudPDF自身のドメインから配信されるため、ファイルを開くために第三者のサーバーに接続することはありません。
PDFビューアによっては、多くのページにまたがる文字の選択やコピーがやりにくいことがあります。文書全体を.txtに抽出すれば、全ページの文字が1つのファイルにまとまり、検索したり、どこにでも貼り付けたりできます。この方法が使えるのは、文字がPDFに実際に含まれている場合だけです。パスワードを回避するものではなく（保護されたファイルは拒否されます。先に他のプログラムでパスワードを解除してください）、画像の中にしかない文字は読み取れません。
スキャンはページの写真のようなものなので、このツールが読み取れる文字がありません。先にOCRを実行すると、文字が認識されてPDFにテキストレイヤーが加わります。その結果に対してPDF テキスト 抽出を使ってください。認識の精度はスキャンの品質や言語によって変わり、出力もレイアウトのないプレーンテキストのままです。
| 比較項目 | OnCloudPDF（ブラウザ） | サーバー型のオンラインツール | デスクトップソフト |
|---|---|---|---|
| ファイルの処理場所 | お使いのブラウザ内 | 提供元のサーバー上 | お使いのパソコン上 |
| 出力 | ページの区切り付きの.txtファイル1つ | 提供元によって異なる | ソフトによって異なる。コピー＆ペースト、書き出し、コマンドラインのツールなど |
| スキャンしたPDF | そのままでは読み取れない。先にOCRが必要 | 提供元によって異なる | ソフトによって異なる。OCRを備えたものも多い |
| インストール・アカウント | インストール不要、アカウント不要 | 提供元によって異なる | 多くはインストールが必要 |
| 向いている用途 | アップロードせずに文書全体を手早く抽出したいとき | どの端末でも手軽に使いたいとき | レイアウトを考慮した抽出や一括処理 |
スキャンにすでにテキストレイヤーがある場合のみ可能です。このツールは埋め込まれた文字を読み取るもので、画像の中の文字は認識しません。画像だけのPDFでは、文字がないことが表示され、OCR PDFを使うよう案内されます。先にOCRでテキストレイヤーを加えてください。
残りません。結果は読む順に並んだプレーンテキストです。表・フォント・画像・レイアウトは保たれず、文字の断片が空白でつながれるため、ページ内の改行も保たれません。
このツールではできません。常に全ページが処理されます。出力を絞りたい場合は、先にPDF ページ 抽出で小さなPDFを作り、それを変換してください。
UTF互換のプレーンテキストファイルです。各ページは「--- Page 3 ---」のような行で始まり、そのページの文字が1つのかたまりで続くため、ページの切れ目がわかります。
いいえ。文字の読み取りもファイルの作成も、ブラウザ内で行われます。PDF.jsのワーカースクリプトはOnCloudPDF自身のドメインから配信され、お使いの文書がそこへ送られることはありません。
すべてのツールと制限事項はPDFツール一覧で、方法の比較は無料PDFツールの比較でご覧いただけます。
