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

no image
mixi 使い勝手の悪さを痛感!!

パソコン教室で生徒さんをmixiに招待しました。

熱中症に注意! 脱水症状を手の指の爪の色で判断する方法

これ、娘から聞いたのですがテレビか何かでやってたんでしょうか? 保健師ジャーナル …

ネットワークプレースの追加方法【Windows XP】

お客さん用に作っていた資料を忘れないうちにメモにしておく。 ネットワークプレース …

no image
埋め込まれたカラープロファイルは基本破棄

カラーマネジメントのカラープロファイルが埋め込まれてきたデータを当社でどう扱うか …

YouTube→Twitter(ツイッター)連携ダウン中?メール対応でFA

FAってのはファイナルアンサーってことです。ネットで英字略称がよく使われるのは文 …

no image
タスクマネージャーでプロセスを調べてみた(EeePC編)

図に乗ってもう一つタスクマネージャー系の記事を。今度は別のネットブックASUSの …

no image
デザインの配色に迷ったときに使えるツール

デザイン系ブログとしてよく読ませてもらっている「DesignWalker」で、 …

no image
iPhone(アイフォーン)で再生中の曲を止める方法

僕の場合、iPhone(アイフォーン)は電話としてはめったに使わない。 おそらく …

no image
テキスト広告のほうがバナー広告よりもクリックされコンバージョンも高い

みなさんはバナーブラインドネスという言葉をご存知でしょうか? □【バナーブライン …

「Auto Post Thumbnail 3.4.1」のアップデートに注意。自動サムネール取得ができなくなります【WordPress・プラグイン】

なんか、最近、サムネール画像が設定されずに更新されるようになってしまいました。 …