最初に結論 ／ PDFからテキストを抽出する方法A ／ PDFからテキストを抽出する方法B

Windows PC に関するメモランダム

→ → → Entries ← ← ←
カテゴリー: Google Chrome 　閲覧数:534　配信日:2016-08-05 09:01


最初に結論


全てのPDFファイルに対して、効果がある方法はありません
PDF作成方法に応じて、テキスト抽出方法は異なります。
例えば「『画像保存したテキスト』をPDF化したファイル」からは、OCRで読み取るしかありません。
※画像ファイルからテキスト抽出することと同じ処理が必要です。



PDFからテキストを抽出する方法A


PDFを「Chromeブラウザ」で「印刷」選択後、保存
「テキストをコピーできないPDF」を、「Chromeブラウザ」の「印刷」経由で「保存」すると、「テキストコピー」出来るようになることがあります。

手順1.ダウンロード
「テキストをコピーできないPDF」をダウンロードします。

手順2.「Google Chrome」で開く

手順3.Chromeへドラッグ＆ドロップ
1でダウンロードした「テキストコピーできないPDF」を、2で開いた「Google Chrome」へドラッグ＆ドロップします。
つまり、Chrome でPDFを開きます。

手順4.「Google Chrome」でPDFを保存
・画面内の適当な場所で右クリックします。
・「印刷」選択
・画面が切り替わります。
・「保存」ボタンを押します。

手順5.保存したPDFを開く
保存したPDFを再度、Chromeへドラッグ＆ドロップすると、何時の間にか「テキストコピー」できるようになっています。

PDFからテキストを抽出する方法B


オンラインサービスを利用します
閲覧可能なPDFからパスワードを削除する無料のオンラインサービス「FreeMyPDF」を利用

週間人気ページランキング ／ 11-15 → 11-21
順位 ページタイトル抜粋 アクセス数
1 Audacity で再生ボタンを押しても音が鳴らない時は、再生レべルスライダーを右にドラッグして「再生レべル:100%」にします。 | Audacity(音) 50
2 「Tablacus Explorer」でアクティブタブに背景色を付けるためには、「タブをデザイン」アドオンをインストールします。 | Tablacus Explorer(ソフトウェア) 23
3 コマンドプロンプトでchkdsk /B | ハードディスクトラブル(ハードウェア) 21
3 「みまもり合図」に関する疑問。2019年 | みまもり合図(ソフトウェア) 21
4 「タイムゾーン間で同期」にはチェックを入れない 20
5 タスクスケジューラ | Windows 10(Windows) 18
6 これまで正常動作していた「CrystalDiskInfo」である日突然「対応ディスクが見つかりませんでした」と表示された場合は、アップデートしてみます。 | CrystalDiskInfo(ソフトウェア) 16
7 「Audacity」で複数ファイルへ対する一括変換対応について | Audacity(音) 15
8 Xboxを使用していない場合、XblGameSaveを動作させる必要は全くない 14
8 3.解凍先の指定。デフォルト設定ではデスクトップに解凍 14
9 「Windows 10」へインストールした「mp3DirectCut 2.36」で「.aacファイル」を読み込んで自動分割する。 | mp3DirectCut(音) 12
9 「Windows 10」へインストールした「Audacity 3.2.4」で「.aacファイル」を読み込み、音量を大きく変換後、「.waveファイル」として出力する。 | Audacity(音) 12
9 MP3ファイルの「プロパティ」を変更できない | Windows 10(Windows) 12
10 ファイル名の一部(指定文字列)を削除するバッチファイル | バッチファイル(Windows) 11
10 「WDDM」は、要件を満たさないとアップデートできません。 | Windows 10(Windows) 11
11 Windows10 不定期でフリーズ発生トラブル(2019/6/7→6/8)。イベントビューアーで発生個所を特定しようとするも失敗に終わる | フリーズトラブル 2019年(Windows) 10
11 アクティブタブの背景色を黄色に設定 ／ configフォルダ 10
11 クイックアクセスから複数のピン留めを一括で解除することはできません | Windows エクスプローラー(Windows) 10
11 Tablacus Explorer Version 23.9.13 へのアップデート | Tablacus Explorer(ソフトウェア) 10
12 「みまもり合図」に関する疑問。2018年 | みまもり合図(ソフトウェア) 8
2024/11/22 1:01 更新
指定期間人気ページランキング ／ 2020-5-27 → 2024-11-21
順位 ページタイトル抜粋 アクセス数
1 MP3ファイルの「プロパティ」を変更できない | Windows 10(Windows) 23509
2 Windows 0 10589
3 ファイル名の一部(指定文字列)を削除するバッチファイル | バッチファイル(Windows) 10358
4 「接点復活剤」「接点復活スプレー」は、１００円ショップで販売されていない | イヤホン(ハードウェア) 7242
5 「機能を構成しています 100%完了 コンピューターの電源を切らないでください」の画面が表示され続ける場合でも、1時間ぐらいは待った方が良いかも | 起動トラブル 2019年(Windows) 6004
6 タスクスケジューラ | Windows 10(Windows) 5497
7 コマンドプロンプトでchkdsk /B | ハードディスクトラブル(ハードウェア) 5392
8 解凍先の指定。デフォルト設定ではデスクトップに解凍 4211
9 コンピューターは正しく構成されていますが、デバイスまたはリソース (DNS サーバー) が応答していません。 | ネットワーク 3875
10 VLC media player で複数曲を「繰り返し連続再生する」ためには、プレイリスト全体をリピート再生指定する | VLC media player(ソフトウェア) 3774
11 「コンテナー内のオブジェクトを列挙できませんでした」と表示される場合は、「Everyone にフルコントロール権限を与えて全て削除する」 | Windows 10(Windows) 3633
12 Audacity で再生ボタンを押しても音が鳴らない時は、再生レべルスライダーを右にドラッグして「再生レべル:100%」にします。 | Audacity(音) 3565
13 マウスの選択範囲がおかしくなった時、試してみた方が良いかもしれないこと | マウス(ハードウェア) 3498
14 「みまもり合図」に関する疑問。2019年 | みまもり合図(ソフトウェア) 2981
15 「HD-LD4.0U3-BKA」と「HD-NRLD4.0U3-BA」と「HD-AD4U3」は同じ | 外付けハードディスク(ハードウェア) 2547
16 「★ページは機能していません」「★からデータが送信されませんでした。」 「ERR_EMPTY_RESPONSE」と表示されるようになったら、 Kasperskyを一旦停止してみる | ウイルス対策ソフト(Windows) 2537
17 Windows10でデスクトップにファイルを保存できない。ESPRIMO DH77 | Windows 10(Windows) 2512
18 「みまもり合図」に関する疑問。2018年 | みまもり合図(ソフトウェア) 2467
19 外付けハードディスクを収納可能な安価ラックを探す | 外付けハードディスク(ハードウェア) 2341
20 メモリ不足のため、この処理を完了できません | Windows 2320
2024/11/22 1:01 更新