PDFからテキストを抽出する

使い方

1. PDFをドラッグ&ドロップするか、枠をクリックして選びます。
2. ページ番号の区切りを入れるか選びます。
3.「テキストを抽出する」を押すと、テキストファイル（.txt）が保存されます。

取り出せるPDF・取り出せないPDF

取り出せる	WordやExcel、PowerPointから書き出したPDF。Webページを印刷して作ったPDF。つまり元から文字データを持っているPDF
取り出せない	複合機やスマホアプリでスキャンしたPDF。中身が写真と同じ「画像」なので、文字データが存在しません

見分け方は簡単です。PDFを開いて文字をマウスでなぞって選択できるか試してください。 選択できれば文字データがあり、選択できなければ画像です。 画像のPDFから文字を起こすには文字認識（OCR）が必要ですが、このツールは対応していません。

こんなときに

報告書の一節を引用する、PDFの内容をExcelやWordに移す、 議事録を検索できる形で保管する、 ChatGPTなどのAIに資料を読ませたいが、PDFのままでは扱いにくい—— といった場面で使えます。

機密資料をAIに読ませる前に

社内資料をAIツールに読み込ませる場面が増えていますが、その前段の「テキスト化」を オンラインの変換サービスで行ってしまうと、そこで一度ファイルが外部へ渡ります。 本末転倒になりかねません。

このツールは抽出処理をブラウザ内で完結させます。 必要な部分だけを取り出してから使う、という運用ができます。

出力の仕様

文字コード	BOM付きUTF-8（メモ帳・Excelでそのまま開けます）
改行の復元	文字の縦位置の変化から行を推定して復元します
ページ区切り	選択に応じて「--- Nページ ---」を挿入
レイアウト	段組み・表の罫線は再現されません（文字のみ）

よくある質問

スキャンしたPDFから文字を取り出せますか？

取り出せません。中身が画像のため文字データが存在しないためです。その場合はエラーメッセージが表示されます。

表がぐちゃぐちゃになります

PDFは内部的に「どの位置にどの文字を置くか」しか持っておらず、表という構造を保持していません。そのため罫線やセルの区切りは復元できません。文字の並びだけが取り出されます。

抽出したテキストが文字化けします

出力はBOM付きUTF-8なので通常は化けません。化ける場合、PDF側が特殊なフォント埋め込みをしている可能性があります。

画像として書き出したい

PDF→JPG・PNG変換ツールをご利用ください。