PDFからテキストへ — 無料のオンラインテキスト抽出ツール

デジタルPDFはソフトウェアによって生成されたもので、文字そのものを持っています。スキャンPDFはスキャナーやカメラによって生成されたページ画像のスタックで、文字は全く含まれていません。その違いが結果に関するすべてを決定します。デジタルファイルは正確なテキストを提供します。スキャンファイルは認識される必要があり、認識はクリーンスキャンでは非常に良好ですが、曲がったりぼやけたり照明が悪いものではあまり良くありません。通常、PDFリーダーでファイルを開き、マウスでテキストの行を選択しようとすることで、どちらの種類かを判断できます。選択が単語をハイライトする場合、テキストレイヤーがあります。

実際のテキストレイヤーがあるページについては、はい。文字はファイルから読み取られ、画像から認識されるのではないため、OCRは実行されず、誤読されることはありません。読み取り順序は驚くことがある唯一の要素です。テキストレイヤーは各文字のランがどこにあるかを保存しており、それが何を意味するかは保存していないため、カラムやサイドバーのあるページは目の動きと一致しない順序で出力されることがあります。単語自体はファイル内の単語です。テキストレイヤーがないページはOCRを通過し、通常の認識精度を持ちます。

PDFごとに最大25ページです。長いファイルも受け付けられます：最初の25ページが抽出され、結果にどれだけのページが省略されたかの通知が表示されます。この制限は、作業が自分のハードウェア上で実行されるためにあります。長いスキャン文書は、ブラウザタブ内の各ページごとに1回のOCRパスを意味します。残りが必要な場合は、PDFリーダーでファイルを分割し、残りのページを2番目のファイルとして実行してください。

いいえ。暗号化されたPDFはパスワードなしでは開けず、このページはパスワードを要求したり、保護を回避しようとしたりしません。空の結果の代わりに明確なエラーが表示されます。通常使用しているリーダーでファイルを開き、通常の方法で認証し、パスワードを削除したコピーを保存し、そのコピーをここで実行してください。

いいえ。ファイルはディスクからページに読み込まれ、ブラウザ内で実行されるPDFリーダーによって開かれます。このサイトには受け取るためのアップロードエンドポイントはありません。これは、実際にこのようなツールに持ち込まれる文書の全体的なポイントです：銀行明細書、給与明細書、税務書類、署名された契約書、およびIDのスキャン。実行中にネットワークタブを監視すると、リーダーとOCRモデルが到着し、あなたの文書と共に何も出て行かないのがわかります。

OCR側は英語、スペイン語、ルーマニア語、アラビア語、ギリシャ語、トルコ語、インドネシア語、ロシア語、日本語を読み取ります。抽出する前に言語を選択してください。エンジンは選択したモデルに対して形状を一致させるため、間違ったモデルは悪い読み取りをします。すでにテキストレイヤーを持つページは設定を完全に無視します。なぜなら、その文字は書かれたスクリプトに関係なく、そのままファイルから読み取られるからです。

はい。バッチを選択すると、ファイルは並行ではなく順次処理されます。各結果はファイルが完了するたびに表示されるため、他のファイルがまだ実行中の間に読み始めることができます。ドロップゾーンには単一の実行の制限が表示されます。順次処理はメモリ使用量を予測可能に保つため、特に電話では重要です。

いいえ。出力はプレーンテキストであり、テーブルはグリッドではなくセルの内容として戻され、ヘッダー、脚注、キャプションは何もマークされません。読み取り順序は視覚的なレイアウトと異なる場合もあります。なぜなら、位置がファイルに保存され、意味は保存されないからです。ストレートな散文はほぼ常に正しい順序で出力されます。サイドバー、複数のカラム、または記入済みのフォームのあるページは、信頼する前に出力を読むべきです。

いいえ、そして私たちは重要なファイルであなたがそれを発見するよりも、ここでそう言いたいと思います。OCRエンジンは印刷された文字に基づいて訓練されています。手書き、署名、手書きのフォームフィールドはその能力の範囲外であり、それから戻ってくるものはテキストの形をしたノイズです。印刷と手書きが混在するスキャンページは、印刷された部分と書き込みの部分においてナンセンスを提供します。

プレーンテキストです。1つのボタンでクリップボードにコピーするか、ページが分けられラベル付けされた.txtファイルとしてダウンロードできますので、長い文書の中で自分の位置を見つけることができます。ワードプロセッサファイル、検索可能なPDF、フォーマットは持ち越されません。他の場所で単語が必要な場合は、ドキュメント、スプレッドシート、または翻訳者に貼り付けてください。

それは逆の方向であり、このサイトにはそれ専用のページがあります。JPGからPDFへのコンバーターは、写真やスキャンを受け取り、それらを単一のPDFに書き込みます。ブラウザ内で、何もアップロードされずに行われます。画像があり、文書が必要な場合はそれを使用してください。このページは、文書があり、その中から単語を取り出す必要がある場合に使用します。

はい、アカウントなし、使用カウンターなしで無料です。サインアップは不要で、テキストにウォーターマークはなく、クレジットもなく、より良いバージョンを制限する有料プランもありません。抽出は自分のハードウェアで実行されるため、ファイルごとのサーバーコストは私たちがあなたに転嫁することはありません。