新・元地方の中規模印刷会社で苦悩するWebデザイナー改めWebディレクターの日記

自由な20代、窮屈な30代を経て、遂に40代になっちまったWebディレクター&パソコン講師の覚書と思う言(こと)。略称【ちほちゅう】

*

テキストが選択できないPDFファイルからテキストを抽出する方法

   

  • このエントリーをはてなブックマークに追加

時々、PDFファイルを渡されて「これをホームページにしてくれない」と言われることがある。
PDFだったらそのままPDFでリンクだけ張っちゃろうかい! なんて思うこともあるが
そういうわけにも行かず、PDFファイルからテキストをコピー&ペーストしてセコセコHTMLファイルにするのだが、
中にはセキュリティ上の問題かテキストが選択できないPDFファイルもある。
だからって、プリントアウトして文字入力なんて非生産的なことはできない。
そんなときに使えるツールを発見しました。

スポンサーリンク
 

xdoc2txt - PDF,WORD,EXCEL,一太郎などの各種バイナリ文書からテキストを抽出

「xdoc2txt」は、各種ファイルからテキストを抽出するツールです。
その中にPDFファイルも含まれていて、上記テキスト選択ができないファイルからもテキスト抽出できます。

このツール、基本的にはコマンドプロンプトでの作業になるのですが、
ちょっとした設定でファイルをドラッグ&ドロップすることでテキスト抽出させる方法もあります。
以下、その手順をお教えしましょう。

1. 上記サイトからxdoc2txtをダウンロードします。
2. 解凍後、本体「xdoc2txt.exe」のショートカットを作成します。デスクトップでいいでしょう。
3. ショートカットを右クリックでプロパティ表示にします。
4. リンク先の末尾に「-f」と入力します。
xdoc2txt
以上でOK!
PDFファイルをドラッグ&ドロップすればデスクトップに抽出されたテキストファイルができるはずです。

■3月17日追記
xdoc2txtより強力なツールの紹介です。
編集不可のPDFファイルから本文をコピーする方法を教えてください。目的は英語の論文に翻訳ソフトを使用したいのです。.. – 人力検索はてな

http://www.bravaviewer.jp/reader.htm
Brava! Reader
このビューアを使えば、編集不可のpdfから、テキストをコピーすることができます。pdfを表示した後、「編集」→「選択」の後、矩形領域を選び、CTRL-Cまたは「編集」→「コピー」により、テキストをコピーします。

つまり、セキュリティが解除された状態でPDFを開くことができるツールのようです。
これはある意味バグ?なのでは。。

xdoc2txtはdos窓のコマンドラインでないと動かないと思います。それに、少なくとも日本語のpdfでは、空白やタブが無視され、ベタのテキストになってしまいます。
pdf表示→画面コピーは解像度が低く、これまで試した限りでは、ocrでは満足する結果が出ていません。拡大表示すればよいのですが、手間がかかり過ぎて...

と、それぞれの問題点を説明しています。

 - パソコン教室, 覚え書き

アドセンス広告メイン

Comment

  1. 実際に、組織の展覧会は、通常、< タイトル="ナイキエアマックスskyblineは"href ="http://www.footcheap.com/nice-nike-air-max-skybline-shoes.htm 目標を持っている優秀な場所です= "_blank">ナイキエアマックスskybline の消費者。

  2. 通りすがり より:

    大変参考になりました。
    困っていたので、たすかりました。
    ありがとうございました。

  3. Akira より:

    私が使用GTText(www.softocr.com)
    それはまた、良いプログラムです。

Message

メールアドレスが公開されることはありません。

  関連記事

「Google Chrome」を更に軽くする8つの方法

ただでさえ軽い「Google Chrome」ですが、定期的にエクステンションなん …

僕が家庭教師から講師になって実行した5つのこと

転職して講師業を本格的に始めた旨は以前、ちょっと触れました。ところが、これが結構 …

ネットとテレビは仲良くなったの?YouTubeが日本で大活躍

以下の様なまとめがNAVERまとめにありました。 □ 思った以上に日本 …

Adsense(アドセンス) vs. Pitta!(ピッタ!)収益が高いのはどっち?

9月9日に下記赤い部分にある広告をPittaからアドセンスに変えました。 (ピン …

さくらインターネットでEC-CUBE

ステップサーバーではMySQLのバージョンが低すぎてインストールできなかった「E …

no image
904iTVに見るヒットキーワードの推測

いまだかつて904iTV以上のヒットキーワードが出現していない。 今後のSEOの …

最近、2ちゃんねるまとめブログ風のランディングページ(偽ブログ)が乱立しているくさい

以前、キラキラ☆ウォーカーに騙された件ですが、偽ブログに引っかかったというのが大 …

これからのSEOは被リンクでなく「テールワード」と「サテライトサイト」

久しぶりにSEOのことを書こうと思います。 最近、SEOに関しては怠けていたので …

社内ネットワーク(イントラネット)でログインパスワードを変えたら確認しておきたい唯一の設定

WindowsにはログインIDってのがありますよね。これ、スタンドアローンのパソ …

モニターを一瞬で黒一色にする方法(物撮りに便利)

ちょくちょく缶コーヒーや缶ビールの写真を投稿している自分ですが、意外と背景には気 …