PDF から選択可能なテキストを抽出する方法.

PDF からテキストへの変換を開き、このガイドで使用されているソースの「サンプルを試す」を選択するか、独自の PDF をアップロードします。ドキュメントを開くと抽出が開始され、ソースとそのテキストが並べて表示されます。

最大PDFサイズ: 100 MB。最大ページ数: 750。テキストビューアには選択したビューあたり最大200 KBまで表示されますが、ダウンロードには抽出されたテキスト全体が保持されます。

ページ選択を空のままにすると全ページが含まれ、この例では「1つのテキストファイル」を選択します。ドキュメントの一部のみが必要な場合は、ページ範囲を選択してください。

「1つのテキストファイル」は、選択したページのテキストを1つのTXTダウンロードにまとめます。「個別のファイル」は、選択したページファイルとcombined.txtを含むZIPを作成します。選択した空白ページは空のファイルとして保持されます。「開始」を押すと準備された結果がダウンロードされ、結果画面が開いて別のダウンロードや確認画面への戻りが行えます。

ページ

すべてのページ

ダウンロード形式

1つのテキストファイル

ページコントロールを使用して、ソースと抽出されたテキストを検査します。「すべてのテキスト」に切り替えて、結合されたビューを確認します。見出し、列、句読点、および配置されたテキストの順序を確認してください。

読み取り順序は、PDFがどのようにテキストを保存しているかに依存します。列、特殊なフォント、配置された断片は不完全な順序になる可能性があり、スキャンにはOCRが必要です。

このサンプルにはデザインされたページレイアウトが含まれています。抽出された単語は再利用可能ですが、TXT はそのレイアウトを再現したものではありません。

「開始」を選択して、選択したエクスポートを準備します。結果ページから sample-pdf-to-text.txt をダウンロードします。今回の実行では、選択したすべてのページから抽出されたテキストが含まれています。

「コピー」は選択したテキストビューに対して機能し、「このページをダウンロード」は現在のページを意味のあるファイル名で保存します。応答性を高めるため、ビューアには選択したビューの最大200 KBまでが表示されますが、コピーやダウンロードでは抽出されたテキスト全体が保持されます。