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

1年以上前の記事です。内容が古い可能性があります。

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

水筒の水漏れ防止のポイント。キャップを締めた際の違和感に注意

1年以上前の記事です。内容が古い可能性があります。水濡れタブレット復活日記。 前 …

「Google Play」でいつの間にやらアプリが自動更新(自動アップデート)になっていた

1年以上前の記事です。内容が古い可能性があります。ゲームをやっていてどうも今ひと …

「livedoor Blog(ライブドアブログ)」で「Twitter Cards」対応がめちゃくちゃ簡単になっていた

1年以上前の記事です。内容が古い可能性があります。先日、「Twitter Car …

CTPTマーケティングって何?

1年以上前の記事です。内容が古い可能性があります。先日、PDCAサイクルやらAI …

タスクマネージャーでプロセスを調べてみた part2

1年以上前の記事です。内容が古い可能性があります。今度は会社で代替機として使って …

「お正月」は七日(松の内)まで、「元旦」が「元日」の朝(午前中)は誤り

1年以上前の記事です。内容が古い可能性があります。なんかもう、正月も随分前のよう …

no image
Flickr(フリッカー)とFacebook(フェイスブック)を連携させる方法

1年以上前の記事です。内容が古い可能性があります。連携好きの僕が来ましたよ。今回 …

no image
YouTubeとFacebookを連携させる方法

1年以上前の記事です。内容が古い可能性があります。ここのところ連携を止める方法を …

残念っ!! コメント付き「いいね!」は「シェア」じゃない。設定次第ではバズらない【Facebook】

1年以上前の記事です。内容が古い可能性があります。以前書いたとおり「いいね!」と …

「Taberareloo」がよさそうなのでFirefoxからChromeに乗り換えた【前編】

1年以上前の記事です。内容が古い可能性があります。「Taberareloo」って …

血液型オヤジ