PDFからテキスト

そのPDFはスキャンまたは写真の可能性が高く、抽出できるテキストレイヤーがありません。まずOCR PDFを実行してください。このツールはテキストレイヤーを追加し、.txtを直接ダウンロードすることもできます。

テキストはPDFの内部構造に従って、左から右、上から下の順に読み取られます。ほとんどの1段組みの文書では正しい順序になります。複数段組み、サイドバー、表では順序が混ざることがあり、ヘッダー、フッター、ページ番号もページ上の他のテキストと一緒に含まれます。

いいえ。出力はプレーンなUTF-8テキストなので、アクセント付き文字、キリル文字、CJK、アラビア文字は保持されますが、太字、見出し、リンク、画像は保持されず、改行は段落ではなくPDFの行に従います。見出しやリストをMarkdownとして残したい場合は、PDFをMarkdownに変換をお使いください。

はい。PDFをいくつでも追加して、抽出をクリックするだけです。それぞれ元のファイル名の.txtファイルになり、pdf-to-text.zipとしてまとめてダウンロードされます。PDFが1つの場合は、filename.txtとして直接ダウンロードされます。

ページとページの間には改行が入ります。ページ区切りの記号や改ページ文字はないため、ファイル全体がひと続きのテキストとして読めます。

いいえ、このツールは常にすべてのページを抽出します。まずページを抽出で必要なページを別のPDFにまとめてから、そのファイルを変換してください。

PDFを開くときにパスワードが必要な場合は、抽出の前にパスワードの入力を求められます。パスワードがないと、テキストは読み取れません。

いいえ。テキストの抽出は、WebAssemblyとしてブラウザに読み込まれたPDFエンジンで行われるため、契約書や医療記録などのファイルも最初から最後までお使いのデバイス内にとどまります。