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。

通りすがり へ返信する コメントをキャンセル

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

「壁ドン」、「肩ズン」、「顎クイ」、「袖クル」、女性がときめくキュンとしてしまう男性の仕草

1年以上前の記事です。内容が古い可能性があります。今年は雑誌をもっと読もうと思い …

コメント付き「いいね!」ボタンを確実に作る方法

1年以上前の記事です。内容が古い可能性があります。5月以降、使えなくなる表記もあ …

no image
サーバー契約には「誕生日」、ドメイン取得には「登記情報」を聞くべし

1年以上前の記事です。内容が古い可能性があります。最近、ドメインの取得やサーバー …

HTML5とそれまでのHTML(HTML4.01)との違い(追記あり)

1年以上前の記事です。内容が古い可能性があります。訓練校でも徐々にHTML5の話 …

「iOS5」にしたらツイッター(Twitter)連携が簡単になった【iPhone】

1年以上前の記事です。内容が古い可能性があります。こんなメールが届きました。 お …

森ガールに足りないもの

1年以上前の記事です。内容が古い可能性があります。「森ガール」といった言葉が今、 …

最近PVが伸びないのはGunosy(グノシー)対策してないから? Gunosy(グノシー)にブログを掲載させるコツ

1年以上前の記事です。内容が古い可能性があります。最近、PVが頭打ち。それどころ …

GREE(グリー)のiPhoneアプリはログアウトできない?

1年以上前の記事です。内容が古い可能性があります。せっかくGREEのダミーアカウ …

「アメーバピグ」チャットで使えるコマンド一覧

1年以上前の記事です。内容が古い可能性があります。娘が始めた関係で付き合いでやる …

GIMP2(ギンプ2)でトリミング

1年以上前の記事です。内容が古い可能性があります。GIMP(ギンプ)ってのはフリ …

血液型オヤジ