PDF → Word
PDFの実際のテキストレイヤーを書き出し、1行が1段落です。段組み、表、元のレイアウトは再現しません。スキャンしたページは、英語OCRをオンにしない限り空のままです。OCRにはインターネットが必要で、Chromeがこのファイルを直接開いたとき（file://）は動きません。上限: 80ページ。何もアップロードされません。
PDFをここにドロップするかクリックして選択
PDFを選んでください。パスワード保護されたファイルは拒否されます。
PDFから語句を、編集できるDOCXへ取り出します。ページデザインの複製ではなく、段落がきれいに積まれたものを想定してください。
使い方
- 実際のテキストがあるPDFを選んでください。通常のビューアで語句の強調ができれば、このツールも読めます。
- デジタルPDFではOCRをオフのままにしてください。紙の写真であるページだけ、そして英語だけオンにしてください。
- DOCXまたはTXTをダウンロードしてください。DOCXは1行が1段落で、PDFのページのあいだに改ページがあります。
できることと、できないこと
行はPDF内のテキスト位置からまとめます。見出しと本文の行は別のままです。2段組の記事は段として再現しません。表はWordの表ではなく、テキストの行になります。推定した列が主目的なら、PDF → Excelを使ってください。
英語OCRはブラウザ内のTesseractです。小さい文字、手書き、英語以外の言語は読み飛ばします。DOCXではそれらのページに[英語OCR]と付け、推測だと分かるようにします。
独自のフォントエンコーディングは、ビューアが正しく表示していても誤った文字になることがあります。プレビューが意味不明なら、PDFは使えるテキストレイヤーを出していません。
質問
スキャンした契約書が空なのはなぜですか？
スキャンは画像です。OCRが動くまでコピーできるテキストはありません。英語OCRの欄にチェックを入れてください。ダブルクリックで開いたファイルでは、Chromeがそのワーカーを止めるのが普通です。公開中のサイトでは実行できます。
Wordは同じレイアウトを表示しますか？
いいえ。ヘッダー、フッター、テキストボックス、浮動画像は配置しません。位置から推定できた読み順を得ます。
ページ数の上限はありますか？
このバージョンは80ページです。長い本でタブが固まらないようにするためです。PDFを分割し、部分ずつ実行してください。