PDFをテキストに変換 — スキャンPDFもOCRで
どんなPDFからもプレーンテキストを。テキストのページはそのまま、スキャンしたページはOCRで読み取ります。ブラウザ内で動き、アップロードなし。コピーするかTXT・Wordで保存できます。
このツールに必要なコードだけを読み込み中…
実測した精度
自前のテスト画像(お客様のファイルは使っていません)でこのツールを動かし、結果を正解のテキストと比べました。文字誤り率は、間違った文字・抜けた文字・余計な文字の割合です。0%はすべての文字が正しかったことを意味します。
| テスト画像 | 言語 | 誤り率 | エンジン既定 | 時間 | スマホ想定 |
|---|---|---|---|---|---|
| ワープロソフトから保存したPDF(テキスト層あり) | 英語 | 0% | — | 1.3 秒 | 2.7 秒 |
| 2段組みページをスキャンしたPDF | 英語 | 0% | — | 6.3 秒 | 24.9 秒 |
| 2ページのPDF:テキストのページと写真のページ | 英語 | 0% | — | 3.6 秒 | 7.8 秒 |
| 同じお知らせ、斜めからスマホで撮影 | 英語 | 0.1% | 2.4% | 3.7 秒 | 6.2 秒 |
| ヒンディー語の印刷ページ | ヒンディー語 | 0% | 0% | 1.8 秒 | 4.3 秒 |
| 簡体字中国語の印刷ページ | 簡体中国語 | 0% | 0% | 1.8 秒 | 4.3 秒 |
エンジン既定:同じエンジンと言語データを、当サイトの前処理なし(自動レイアウト、傾き補正なし、明るさ補正なし)で使った場合。
測定方法:自分たちで書いた文をスクリプトで描画し、4°の角度と不均一な照明で撮影した状態を再現して、JPEG・PNG・PDFとして保存しました。時間は4コアのクラウドPCで計測し、スマホ想定はChromeのCPU 4×低速化を加えた値です。初回はエンジン(約1.1 MB)と言語データのダウンロードも加わります。
ツール品質チェック
検証済みの作業用コピーとして出力を使用
必要なら元ファイルを保持してください。生成したTXTを利用先のアプリで開き、内容と書式が要件を満たすか確認します。
入力
出力
TXT
一括
1回につき最大5ファイル
1回につき最大5ファイル。同じ処理を行うファイルだけを1回の実行にまとめてください。
ツールを探し直さず、関連する次の処理へ進めます。
用途に合った結果をダウンロードし、共有前に確認してください。
設定済みの実行上限が適用されます.
TXT
下記のアップロード上限を確認
共有前に結果を確認
このツールについて
PDFをテキストにするには、PDFを追加して「テキストを抽出」を押し、結果をコピーするか.txtまたはWordファイルでダウンロードします。Wordから保存したPDF、銀行の明細書、電子書籍など、もともと文字を含むページはファイルから直接読み取るので、正確で速く済みます。スキャンやPDFとして保存したスマホ写真など、画像だけのページは選んだ言語でOCRにより読み取ります。
結果には各ページの区切り(--- 2ページ ---)が入り、PDF内のテキストから読んだページ数とOCRが必要だったページ数が表示されます。PDFは端末から出ません。PDF.jsがファイルを読み、Tesseractがスキャンしたページをブラウザ内で認識します。
当社のテストでは、2段組みの会報をスキャンしたページが文字誤り率0%、正しい読み順で出力され、テキストのページと撮影したページが1枚ずつの2ページのPDFは、4コアのテスト用PCで3.6秒(低速化したスマホ想定では7.8秒)でした。
ほかのツールを使うべきとき
- PDFを残したまま、スキャンしたページを検索・選択できるようにするならOCR PDFを使ってください。
- 見出し、フォント、表を編集できる文書に残すならPDFをWordに変換を使ってください。
- テキストPDFから見出しや箇条書き付きのMarkdownを作るならPDFをMarkdownに変換を使ってください。
- パスワード付きのPDFは、先にパスワードが必要です。PDFのロックを解除でコピーのロックを外してください。
使い方
PDFを追加
PDFを5件までドロップするか選びます。テキストPDFでもスキャンPDFでも使えます。
OCRの言語を選ぶ
言語は、自前のテキストがないページ(スキャンや写真)にだけ使われます。スキャンしたページの2段組みが混ざって出る場合は「段組み」を選んでください。
抽出して保存
「テキストを抽出」を押して結果を確認し、コピーするかTXTやWordでダウンロードします。
活用シーン
報告書からの引用
長いPDFの報告書から段落や数値を、PDFビューアの文字選択に苦労せずに取り出せます。
スキャンした手紙や契約書
スキャンPDFから検索できるテキストを取り出し、条項や日付、金額を探せます。
ほかのツールで使うテキスト
テキストを翻訳ツールや文字数カウンター、AIアシスタントに貼り付けたり、テキストツールで整えたりできます。
よくある質問
PDFをテキストファイルにするには?+
このページにPDFを追加して「テキストを抽出」を押します。終わったら「TXTをダウンロード」を押すか、テキストをほかのアプリにコピーしてください。
スキャンしたPDFでも使えますか?+
はい。テキスト層のないページは、選んだ言語でOCRにより読み取ります。テキストのページを読むより時間がかかり、当社のスキャンした会報のページは4コアのテスト用PCで6.3秒、テキスト層のある2ページのPDFは1.3秒でした。
テキストが欠けたり、順番がおかしくなったりするのはなぜ?+
PDFは文字を描画した順に保存しています。多くの場合は読む順と同じですが、そうでないこともあります。スキャンした2段組みのページは、ページのレイアウトで「段組み」を選んでください。テキストPDFの中の画像に含まれる文字は読み取られないので、そのページにはOCR PDFを使ってください。
一部のページだけテキストを抽出できますか?+
すべてのページを読み取ります。一部のページだけ必要なら、先に「ページを抽出」でそのページを取り出し、小さくなったPDFを変換してください。
PDFはアップロードされますか?+
いいえ。PDF.jsがファイルを読み、Tesseractがスキャンしたページをブラウザ内で認識します。ダウンロードされるのは認識エンジンと言語データだけで、MAXScanner自身のサーバーから一度だけ取得します。
書式は残せますか?+
プレーンテキストには書式がありません。見出しや表を残した編集できる文書が必要なら「PDFをWordに変換」を、見た目はそのままで検索できるPDFが必要なら「OCR PDF」を使ってください。