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

LINE(ライン)で友だちに友だちを紹介する方法

これは盲点でした。 ってか、今までやった経験がなかったので詳しいやり方、知りませ …

LINE(ライン)でブロックされるとこうなる

もうちょっと詳しい記事を書きました。 ある方に協力してもらい、LINE(ライン) …

no image
正月早々

自宅兼会社で使っているノートパソコンのOS(WinXP)が逝ってしまいました。

WordPress+Welcartでショッピングサイト構築【テーマ編】

過去は振り返らない性格なので仕方がないといえば仕方がないのかもしれませんが、始め …

「Windows Live メール」でオフラインが解除できない時の対処法

やっぱり標準メーラーはあまり使い勝手良くないですね。「Windows7」以降標準 …

no image
最近のフォント事情

かつて、フォントというとビットマップだとかATMだとかTrueTypeだとかCI …

ブレスト(ブレーンストーミング)の極意、他人を肯定しつつ自分の意見もしっかりいうための5つのコツ

ブレーンストーミングという言葉をご存知でしょうか?□ ブレインストーミ …

カーナビの地図更新サービスの無料期間が終わりそうなので地図データをアップデートしてみた(CD作成編)

1. ID取得編 | 2. ダウンロード編 | 3 …

痩せたいなら断つのは甘いもの。脂っこいものやお酒以上に効果あり

いまさらなんですが、これってみんなの共通認識として一般化してるよね? つまりはダ …

Window用FTPクライアントソフト「WinSCP」で「.htaccess」を表示させる方法

FFFTPがガンブラーの標的にされてからはWinSCPを使っています。 SFTP …