PDFからテキストを抽出する方法（Windows）

WindowsでPDFからテキストを抽出するには、まずテキストを選択できるか確認します。選択できる場合は、PDFビューアーでコピーするか、MD Factoryでファイル全体を変換します。選択できない場合、ページは画像なので、OCRでテキストを認識する必要があります。

PDFには2種類あり、方法が異なります。以下の手順は、どちらかを見分けるテストから始まります。

暗い石の机の上に、灰色の線が並ぶ2枚の印刷ページとライラック色の蛍光ペン。 — 選択できるテキストはコピーします。画像の中のテキストは、先に認識が必要です。

テキストを選択できるか確認する

PDFをMicrosoft Edge、Chrome、またはAdobe Acrobat Readerで開きます。Ctrl+Fを押し、ページ上に見える単語を検索します。

単語が見つかってハイライトされる：PDFには選択できるテキストがあります。
何も見つからない、またはマウスで行をドラッグしても選択されない：そのページはテキストの画像です。

1つのPDFに両方が含まれることもあります。本文はテキストで、末尾の付録だけスキャンという場合があるので、中ほどのページと最後のほうのページで検索してください。

PDFビューアーでテキストをコピーする

数段落ならこれが最速です。テキストの上でマウスをドラッグし、Ctrl+Cを押します。文書全体をコピーするには、Ctrl+A、Ctrl+Cの順に押します。メモ帳またはWordで、Ctrl+Vで貼り付けます。

コピーしたテキストは、行ごとに改行が入ることが多く、表はばらばらの行になり、2段組のページでは片方の段の文が他方に混ざることがあります。ページ番号やヘッダーも一緒にコピーされます。

PDFをWordで開く

Wordは、PDFを編集できる文書として開けます。［ファイル］、［開く］の順に選び、PDFを選んで、変換の確認が表示されたら［OK］を選びます。Microsoftによると、この方法はほとんどがテキストのPDFに向いており、行やページの区切りが元と異なる場合があります。手順は次のページに記載されています： PDFを編集する.

Wordでテキストの編集を続けたいときに使います。プレーンテキストが欲しい場合や、多数のファイルには、代わりに変換を使ってください。

MD FactoryでPDF全体を変換する

MD Factoryを開いてファイルを追加をクリックするか、PDFをウィンドウにドラッグします。フォルダー内のすべてのPDFをサブフォルダーも含めて変換するには、フォルダーを追加をクリックします。
変換はすぐに始まります。終了すると、行に完了、要確認、失敗のいずれかが表示されます。
行の結果のパスをダブルクリックすると、テキストが開きます。

テキストは、PDFと同じ名前で拡張子が.mdのファイルとして、同じフォルダーに保存されます。PDF内の画像は、その隣のフォルダーに入ります。変換はPC上で行われます。

Reports/
  annual-report.pdf
  annual-report.md
  annual-report_images/

.mdファイルはプレーンテキストなので、メモ帳で開けます。見出しは#で始まり、表は|の文字で表されます。 PDFをMarkdownに変換するガイドでは、これらのファイルについて詳しく説明しています。

スキャンしたPDFからテキストを抽出する

スキャンしたPDFも同じように追加します。MD Factoryは画像になっているページを見つけ、PC上のOCRでテキストを認識します。テキストのページとスキャンのページが混在するPDFでは、テキストはそのまま保持され、OCRはスキャンのページにだけ実行されます。

OCRは、かすれた文字、傾いた文字、手書きの文字を誤読することがあります。行に要確認または失敗が表示されたら、ステータスをクリックし、OCR言語の一覧で文書の言語を選んで、再試行をクリックします。スキャンしたPDFのガイドでは、言語設定と各メッセージの意味を説明しています。

Windows 11でスキャンした1ページだけなら、Snipping Toolでも可能です。Windows+Shift+Sを押して範囲を選び、［テキストアクション］、［すべてのテキストをコピー］の順に選びます。Microsoftによると、テキスト認識はお使いのデバイス上で実行されます。詳しくは次を参照してください： Snipping Toolでスクリーンショットを撮る.

抽出したテキストを確認する

どの方法を使った場合も、結果を使う前にPDFと見比べてください。

段の切れ目やページの切れ目をまたいで読み、文の順序を確認する。
文の途中に入り込んだページ番号やヘッダーを削除する。
金額、日付、ID番号など、使う数値はすべてPDFと照合する。
表では、各値が正しい行にあるか確認する。

スキャン由来のテキストは最も注意深い確認が必要です。読み誤った数字は、正しい数字と同じようにもっともらしく見えます。

どの方法を使うか

方法	向いているケース	制約
ビューアーでコピー	テキストを選択できるPDFの数段落	スキャンは読み取れません。改行と表の整形が必要です。
Wordで開く	Word文書として編集したいテキストPDF	レイアウトが変わることがあります。ほとんどがテキストの場合に最適です。
MD Factory	PDF全体、PDFのフォルダー、スキャン	結果はPDFと照合する必要があります。
Snipping Tool	Windows 11で、スキャンした1ページ、またはその一部	一度に画面の1か所だけ。

よくある質問

パスワードで保護されたPDFからテキストを抽出できますか？

MD Factoryはパスワードで保護されたPDFを変換しません。ビューアーでパスワードを使ってPDFを開き、許可されている場合はパスワードなしのコピーを保存して、そのコピーを変換してください。

多数のPDFから一度にテキストを抽出するには？

MD Factoryでフォルダーを追加をクリックします。各PDFに1つずつテキストファイルができます。それらをまとめて検索するには、次を参照してください：多数のPDFとWordファイルの中を検索する方法.

MD FactoryはPDFのレイアウトを保持しますか？

いいえ。保持されるのは見出し、リスト、表を含むテキストで、ページの見た目ではありません。レイアウトが重要な用途には、PDFを手元に残してください。