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

livedoor Blog(ライブドアブログ)で「記事をコピー」すると公開しちゃうゾ

自分の場合、ブログを書くときは常に「下書き」モードにしています。「下書き」モード …

Adobe Bridge(ブリッジ)画像を一覧で印刷する方法

意外なことにAdobe Bridge CS3(CS2も同様)に印刷機能は付いてい …

Photoshop CC(2014)で「◯◯ツールを使用できません。プログラムエラーです。」が出た時の対処法

知り合いのデザイナーさんのパソコンでPhotoshopが思うように動かないと相談 …

セキュアなままでニンテンドーDSのWi-Fi通信を可能に【後編】

最初は無線機器の設定とルーターの設定はまちまちなので記事にするのやめようかなぁと …

「iOS 4」は何度かのハードリセットでスピードアップする(iPhone)

iPhone3GにiOS4をインストールした場合、結構厳しいながらもなんとか使え …

「だだ漏れ」について調べてみた

こちらの記事への反省のためにも「だだ漏れ」について調べてみることにした。 □今、 …

内包されたDIVにmarginを設定すると親要素にも同じマージンが設定されることがある【CSS】

これはわからんわ。 生徒さんの一人が陥った罠。先生も知りませんでしたごめんなさい …

募金額を通常より増やす裏技(見せ金作戦)

僕も愛読しているちょっと変わったコンビニ店長の日記「G.A.W. 」さ …

実質「Windows XP」の次は「Windows 7」だということが判明

延長に延長を重ねてきた「Windows XP」のサポートに対して「Windows …

no image
ワード(Word)の隠し文字の使い方

パソコン教室でワード(Word)を教えている。 Webに関してはプロであることを …