PDFテキスト抽出

PDFをドロップすると、その場でPDFの中に埋め込まれている文字（テキストレイヤー）を読み取り、コピーやテキストファイルとして保存できる形で表示します。複数ページのPDFは、ページごとに見出し（===== 1 ページ目 =====）を入れてつなげます。複数のPDFを一度にドロップすると、それぞれ独立して読み取ります（画面に表示するのは1件目、保存リンクは全件分出ます）。

この道具が読み取れるのは、Word（ワード）などの文書ソフトから直接PDFを作った場合のように、あらかじめ文字データとして埋め込まれているPDFです。紙をスキャンした画像だけのPDF（文字データを持たないもの）からは、文字を取り出せません。その場合はOCR（文字認識）が必要です。

※ 表やレイアウトの情報は保持しません。文字の並び順どおりに書き出すだけの、単純なテキスト抽出です。

※ 編集の制限が付いたPDF（開く時にパスワードが要らないもの）も、そのまま文字を取り出せます。開く時にパスワードが要るPDFは開けないので、パスワードを外してからお試しください。

※ 読み取りはChromeなどのブラウザの中だけで行います。PDFをどこかへ送ることはないので、専用ソフトを入れずにPDFのテキスト抽出ができます。

行と列に分けてExcelで扱う場合は、PDFをExcelに変換が対応します。このページは文章をテキストとして取り出す道具で、表のセルを作る変換ではありません。Excel変換は文字の位置から行・列を推定するため、プレビューの列ずれや読み取り結果を確認してから保存する流れです。

どちらも文字データが埋め込まれたPDFが対象です。画像だけの表から文字を認識するOCRではなく、元の数式・結合セル・装飾を復元するものでもありません。