みよのブログ

Acrobat5 は、RTF（リッチテキストフォーマット）での保存が可能です。RTFは、Microsoft Wordやワードパッド等で開くことができるので、容易にテキスト抽出できます。また、Acrobat5がインストールされていれば、Acrobat・AcrobatReaderのいずれでも、テキスト選択ツールが使用できますので、テキストエディタなどにコピー＆ペーストするという手も可能です。テキスト選択ツールによる方法は、Acrobat4でも可能です。

• Adobe 「Acrobat で作成した PDF ファイルを元のファイルに戻す事はできますか」
  
  
• Adobe 「PDF文書のテキスト、グラフィックの再利用」
  
  
• KeiYu HelpLab「PDFのテキスト抽出とHTML変換」：サードパーティ製のプラグインの紹介等があります。
  

これは、Acrobat5が必要ないのでありがたいDered B. Noonburg氏作のフリーソフトです。コマンドラインツールですが、ファイルを指定するだけなのでとても軽快に作業できます。変換するファイルが多い際などに重宝します。
生成されるテキストは、文字コードがＥＵＣですので、ＥＵＣに対応したテキストエディタで開いてください。
ただし、試したところでは、画像からＰＤＦに変換したものは、テキストにできないようです。pdf2image.exeというツールも同梱されていますので、画像として取り出します。その場合は、ＯＣＲ等で解析してテキスト化することになってしまいます。

• pdftotext.exe(XPdf 0.92)は、ＰＤＦファイルバージョン1.3（Acrobat 4）まで対応。
  
  
• pdftotext.exe(XPdf 1.01)ＰＤＦファイルバージョン1.4／Acrobat 5まで。
  
  
• Xpdfに、Win版・Dos版のほかに、Unix版やソースコード等（こちらが本元）があります。
  
  
• Available Filtersにはpdf2text.exe（XPdf1.01)ほかがあります。
  
  

これもAcrobat5は必要ありません。無料ダウンロードできるAcrobat Reader4.x とおなじく無料ダウンロードできるAcrobat Access とを組み合わせることによって、テキスト化します。いずれもAdobe純正ツールです。ただし、日本語は文字化けを起こすことがありますので、その場合にはInterFont等のフォント変更ツールを用いて修正します。
Acrobat Reader は、バージョンが4.xだという点に注意してください。v.5をインストールした状態で試しましたが、Acrobat Accessをインストールできませんでした。
抽出結果には半角スペースが入りますので、テキストエディタの置換機能等で削除してください。

WinNT4.0, AcrobatReader4とAcrobatAccessで動作を確認しました。今回のテスト環境では文字化けを起こしませんでしたので、InterFontは使用していません。(2003.3.10)

• Acrobat Accessは、 Adobeからダウンロードできます。
  
  
• Acrobat Reader4.xは、 Adobe Downloadや、 Adobe Acrobat Reader ダウンロードページからダウンロードできます。
  
  
• InterFontは、 Ryuuji's Homepageよりダウンロードできます。
  
  
• この方法は、KeiYu HelpLabの「PDFとアクセシビリティ」より知りました。詳しくはぜひこちらを参照してください。
  

access.adobe.comには、

• Web上にあるＰＤＦをフォームで指定してＨＴＭＬへ変換
• メールの応答システムを利用したＨＴＭＬ・テキストへの変換

access.adobe.comは、通常のPDF文書を読むことが困難な人のためのサービスです。単なるPDFのHTML/テキスト変換ツールとして利用しないでください。障害がない人からの送信がaccess.adobe.comに殺到すると、本当にサービスを必要とする人に多大な迷惑をかけることになります。