選択できるテキストがすでに入っているPDF
入力
- テキスト行のある1ページ: ガーデンクラブの会議メモ / 次回の会議は火曜日の夜です
- 言語
- 英語
- ページ
- すべて
結果
- テキスト
- --- ページ 1 --- ガーデンクラブの会議メモ 次回の会議は火曜日の夜です
テキストは、OCRなしでファイルから直接取得しました。2行はスペースでつながれたため、独自のテキストを使うページでは改行が失われます。
このツールでは計算していません。参考例としてご覧ください。
ファイルツール
PDFのテキストを抽出するか、スキャンページの文字を認識します。 ファイルを選び、端末内で処理して新しいコピーを保存します。
このツールについて
PDFのテキストを抽出するか、スキャンページの文字を認識します。 ファイルは端末に残ります。処理速度は端末とブラウザーに左右されます。
ガイド
このページはPDFからテキストを取り出します。ページに選択可能なテキストがあれば、そのまま直接コピーします。ページが画像だけ(スキャンなど)の場合は、光学文字認識(OCR)を実行して画像から文字を読み取ります。印刷されたテキストの言語と読み取るページを選び、ボタンを1回押して、テキストをコピーします。PDFは端末上で開かれ、読み取られます。結果はプレーンテキストのみです。検索可能な新しいPDFは作らず、レイアウトも保持せず、手書き文字の読み取りも得意ではありません。
テキストは、OCRなしでファイルから直接取得しました。2行はスペースでつながれたため、独自のテキストを使うページでは改行が失われます。
このツールでは計算していません。参考例としてご覧ください。
テキストを選択できなかったため、ページを画像として描画し、OCRで読み取りました。このテスト画像はきれいで大きな文字でした。実際のスキャンはもっと雑なので、必ず結果を確認してください。
このツールでは計算していません。参考例としてご覧ください。
ページ2には独自のテキストがあったため、そのままコピーされました。ページ1と3はOCRで読み取られました。結果は元のページの順序を保ちます。
このツールでは計算していません。参考例としてご覧ください。
英語モデルではアクセントが落ちました。どの文字が間違うかは、画像やフォントによって変わることがあります。スペイン語モデルでは正しくテキストが出ました。印刷されたページに合う言語を選んでください。
このツールでは計算していません。参考例としてご覧ください。
数値は順番に並べ替えられ、重複はまとめられます。4ページ目は読み取られません。4ページのファイルに対して0-2や2-9のようにファイルの範囲外の数値を指定すると、「ページ番号は1から4の範囲で選んでください。」というメッセージが表示されます。
このツール自身のコードで計算しました。
範囲を使う前に、ファイル全体のページ数が確認されます。そのため、3ページだけ指定しても、121ページのファイルは拒否されます。範囲119-120を指定した120ページのファイルは問題なく処理されました。
このツール自身のコードで計算しました。
よくある質問
はい。ファイルと言語を選び、「テキストを抽出 / OCR」を押します。画像だけのページはOCRで読み取られ、テキストがボックスに表示されてコピーできます。認識には誤りがありうるため、結果をページと照らして確認してください。
いいえ。PDFはブラウザー内で開いて読み取られます。OCRエンジンと言語ファイルは、初めて必要になったときに、このサイト自身のファイルから読み込まれます。PDFの内容はどこにも送信されません。
英語、スペイン語、フランス語、ドイツ語、ポルトガル語、アラビア語、簡体字中国語、日本語、韓国語、ヒンディー語、ベンガル語、ロシア語、ウルドゥー語、トルコ語、ベトナム語、インドネシア語の16言語に対応しています。実行ごとに1つ選ぶため、2つの言語を含むページは別々の実行に分けるのが最適です。
読み取りエンジンは、どの文字や単語が現れるかを知るために言語ファイルを使います。選択を誤ると、アクセントが失われるなど、結果が間違います。言語が重要なのはスキャンしたページだけです。実際のテキストはそのままコピーされるためです。
最初にスキャンするページでは、ブラウザーがOCRエンジン(数メガバイト)と、提供される言語では約0.4〜2 MBの言語ファイルをダウンロードする必要があります。ページには、ブラウザーがそのファイルを保持すると表示されるため、キャッシュを消さない限り、以降の実行は速くなります。
まず各ページに保存されているテキストの読み取りを試みます。ページに選択可能なテキストが20文字を超えて含まれていれば、そのテキストが使われます。そうでない場合は、ページを画像として描画し、OCRで読み取ります。すべてのページにテキストがあれば、OCRは実行されず、言語ファイルも読み込まれません。
いいえ。コピーできるプレーンテキストを返すもので、元のPDFは変更されません。隠しテキスト層付きのPDFが必要な場合は、別のツールが必要です。
独自のテキストを持つページは、項目ごとに読み取ってスペースでつなげるため、改行は保持されません。OCRで読み取ったページは、読み取り機能が画像から見つけた改行を保持します。
スキャンの状態によります。きれいで大きく、まっすぐな印刷物を正しい言語で読むと、よく読み取れます。小さな文字、薄いインク、手書き、段組み、表は誤りが多くなります。テキストを使う前に、名前、日付、数字は必ず校正してください。
ファイルは合計で最大120ページです。ページのコードにはメガバイト単位のサイズ制限はありませんが、大きなファイルは端末のメモリをより多く使い、ページが順番に読み取られるため時間もかかります。
「TXTをダウンロード」を押してプレーンテキストファイルとして保存するか、「テキストをコピー」を押してエディターに貼り付けます。「抽出されたテキスト」のボックスは読み取り専用のため、中では編集できません。各ページは --- ページ 1 --- のような行で始まり、エディターで削除できます。
確実にはできません。読み取りエンジンは印刷された文字用に作られています。手書きはよく誤読され、表は行と列のないプレーンテキストの行として出力されます。結果は、手作業で直す下書きとして使ってください。
PDFのテキストを抽出するか、スキャンページの文字を認識します。 ファイルを選び、端末内で処理して新しいコピーを保存します。
処理は端末内で行われ、ファイルのアップロードは不要です。