PDFから文字を抽出
PDFのテキストレイヤーを直接読み取り、テキストレイヤーのないページにはOCRを使います。PDFの文字抽出も無料です。
PDFを追加し、ページ範囲を選びます。各ページにテキストレイヤーがあるか確認し、ある場合はOCRなしで文字を抽出します。ない場合は、ページを画像として描画して認識します。
範囲を空欄にすると、すべてのページを処理します。1-3,5のように、範囲と個別のページを組み合わせて指定できます。ページ番号は1から始まり、文書の総ページ数の範囲内である必要があります。
ページごとの結果を編集し、全ページまたは選択したページをコピーするかTXTで保存できます。テキストレイヤーの順序やフォント情報によって、スペースや読み取り順が影響を受けることがあります。表の構造は再構築されません。
使い方
- PDFを選択し、ページ数を確認します。
- 必要に応じて 1-3,5 のような範囲を入力し、抽出を開始します。
- 各ページを確認し、コピーする結果を選びます。
確認したい点
選択したOCRモードは、テキストレイヤーのあるページには適用されません。現在のところ、そのレイヤーを無視して強制的にOCRを行う設定はありません。
よくある質問
テキストPDFにもモデルは必要ですか？
テキストレイヤーのあるページは、pdfjs-distで直接抽出します。ないページには、OCRエンジンと選択した言語データが必要です。
ページ範囲は空欄でもよいですか？
はい。空欄の場合はすべてのページが対象です。範囲が正しくない場合は、処理を始める前にお知らせします。
スキャンしたページとテキストのページが混在するPDFでも使えますか？
テキストレイヤーはページごとに確認します。レイヤーのないページだけがOCRで処理されます。