PDFを文字データに変換する
PDFからテキストは、PDFにすでにある文字を取り出し、プレーンな .txt ファイル、またはRTFとして返します。OCRは行わないため、画像だけのスキャンは空になります。
ファイルをここにドロップするか、クリックして選んでください
対応形式:PDF・1ファイル500.0 MBまで · 一度に最大20ファイル
Ctrl/Cmd+V またはクリップボードメニューからファイルを貼り付けることもできます。
PDFからテキスト は、すでに文字オブジェクトとして存在する語句を抽出します。既定の `txt` 経路は他の pdf-core 操作と同じネイティブ抽出器(`pdfio::extract_text`)を使い、`text/plain` を返します。OCR も LibreOffice も呼びません。
`rtf` を選ぶと、ファイルは代わりに LibreOffice `writer_pdf_import` を通ります。この経路はサーバー上の `soffice` が必要で、粗いリッチテキスト文書を再構築します。フォントの置き換えや表の崩れは覚悟してください。RTF は下書きとして扱ってください。
画像だけのスキャンからは、空かほぼ空の `.txt` しか得られません。このサイトの OCR は Markdown を返すもので、ここに送り返せる検索可能な PDF ではありません。
ページ範囲の指定欄はありません。すべてのページを読みます。パスワード保護されたファイルは、このページでパスワードを入力すると解除されます。API を使う場合は、先にパスワード解除を実行してください。
プレーンテキストの羅列ではなく見出しや箇条書きが必要なら、PDFからMarkdown のほうが近いツールです。表を行として取り出したいなら、PDFからCSV または PDFからExcel を使います。
出力ファイルはアップロードしたファイルのベース名を引き継ぐので、`minutes.pdf` は `minutes.txt` または `minutes.rtf` になります。TXT の経路は文書全体を読み込み、抽出器に全ページを 1 回の呼び出しで処理させ、その文字列を `text/plain` として返します。`txt` と `rtf` 以外の outputFormat は、許可される 2 つの値を挙げた 400 エラーで拒否されます。
具体例を挙げます。ワープロから書き出した、30 ページの電子版の規程集です。TXT で実行してエディタで開くと、段落や見出しが 1 行ずつの文字として入っているはずで、検索したりスクリプトに渡したりできます。同じ規程集をコピー機で 1 ページ 1 枚の画像として保存したスキャンの場合は、読み取れる文字オブジェクトがないため、空かほぼ空のファイルになります。
テキスト層の簡単な確認方法があります。ビューアでカーソルを使って単語を選択できれば、抽出器が読むものがあります。選択できなければ、そのファイルは画像です。このツールに OCR はなく、サイトの OCR ツールは Markdown を返すので、スキャンの場合は先に OCR を行い、その Markdown を使って作業するのが現実的です。
語は正しいのに順序が違う場合、その PDF は表示上の順序とは異なる順序で文字を保存している可能性があります。多段組のレイアウトではよくあることです。別の抽出器を使う PDFからMarkdown を試すか、該当ページを手作業でコピーしてください。RTF が依存関係の欠落を示すエラーで失敗する場合、サーバーに LibreOffice がインストールされていません。その場合は TXT を使ってください。
機能
- 既定は TXT。ネイティブの文字抽出で、pdftotext でも OCR でもない
- 任意の RTF は LibreOffice `writer_pdf_import` 経由
- 全ページを読む。ページ範囲パラメータなし
- 匿名 API:/api/v1/convert/pdf/text
こんなときに使う
- テキスト層付きのレポートを grep やスクリプトに流す
- 電子版メモから粗い RTF 下書きを得る
- PDF に本当にテキスト層があるか確認する
- 規程集の文言をエディタに取り込み、古い版との比較に使う
PDFから文字を抽出するには?
- ビューアで単語を選択して、PDF にテキスト層があるか確認します。選択できなければ、先に OCR を行い、返ってきた Markdown を使います。
- PDF をアップロードします。ページでパスワードを求められたら入力します。
- 検索できるプレーンな出力が欲しいなら TXT のままにし、LibreOffice のリッチテキスト下書きが必要なときだけ RTF を選びます。
- 処理をクリックし、`.txt` または `.rtf` をダウンロードします。名前はアップロードしたファイルに合わせてあります。
- 最初と最後のページを PDF と見比べて確認します。ファイルが空ならテキスト層がありません。順序が乱れているなら、その PDF は文字を読み順どおりに保存していません。
制限と注意点
- OCR ではない。スキャンからはほとんど、または全く文字が出ない
- ページ範囲の指定はできない
- TXT は多段組の見た目の順序を再構築しない
- TXT では見出し、箇条書き、表は再構築されない
- RTF にはサーバー上の LibreOffice が必要で、粗い再構築になる
- このサイトのアップロード上限は 1 ファイルあたり 500 MB で、約 95 MB を超えると分割して送信されます。API への直接リクエスト 1 回の本文は 100 MB までです。
例
- 文字を選択できる年次報告書は、多くの場合その段落を並べた長い .txt になる
- ホワイトボードを撮影した PDF は、多くの場合、空か極小のファイルになる
- `handbook.pdf` という名前の 30 ページの電子版マニュアルは handbook.txt としてダウンロードされる
- このエンドポイントに outputFormat として `docx` を送ると、txt と rtf を挙げた 400 エラーが返る
このツールのプライバシー
ファイルは HTTPS でアップロードされ、サーバーのメモリまたは短命の一時ディレクトリで処理され、結果の準備ができた時点で削除されます。後から閲覧・学習・広告プロファイル用にコピーは残しません。保持期間と AdSense Cookie の開示はプライバシーポリシーをご覧ください。
よくある質問
- なぜテキストファイルが空ですか?
- PDF に抽出器が読める文字オブジェクトがありません。スキャンには OCR(Markdown)が必要で、その Markdown をこのツールに送り返すことはできません。
- TXT はビューアからのコピーと同じですか?
- 近いですが、同一ではありません。順序はページの内容ストリームに文字が保存されている順に従うため、多段組では見た目の読み順と異なることがあります。
- RTF はいつ選ぶべきですか?
- LibreOffice に文書を再構築させたいときだけです。TXT は直接の抽出で、soffice は不要です。
- フォントとレイアウトは残りますか?
- TXT はプレーンテキストです。RTF はできる範囲の再構築で、見た目が一致するわけではありません。
- 一部のページだけテキストを抽出できますか?
- このツールではできません。すべてのページを読みます。先にページの抽出で PDF を必要なページだけに絞り、そのファイルを変換してください。
- プレーンな羅列ではなく見出しや箇条書きが欲しい場合は、どのツールですか?
- PDFからMarkdown です。PDFからテキスト は構造のない文字だけを返します。
- スキャンした PDF から空の .txt しか出ません。ファイルが壊れていますか?
- 壊れていません。スキャンは文字の写真なので、抽出器が読める文字がありません。OCR は Markdown を返すので、それを保存して文字として使えます。
- ダウンロードされるファイルの名前は何になりますか?
- アップロードしたファイルのベース名に `.txt` または `.rtf` が付きます。たとえば `minutes.pdf` は `minutes.txt` になります。
- RTF が TXT より遅い、または使えないことがあるのはなぜですか?
- RTF はサーバー上の LibreOffice を通します。そのプログラムがない場合、RTF は依存関係の欠落を示すエラーで失敗しますが、TXT は引き続き使えます。
最終更新:
コードから呼び出す
このサイトの各ツールは、通常のRESTエンドポイントです。匿名利用にアカウントやAPIキーは不要です。ブラウザだけでなく、AIエージェントや開発者向けにも使えます。
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/text" \
-F "[email protected]" \
-F "outputFormat=txt" \
-o output.pdfModel Context Protocolに対応したエージェント向けに、MCPツールとしても使えます(JSON-RPC 2.0、POST /mcp)。 APIリファレンス
AI エージェントから使う
スキルこのスキルを入れると、Claude Code、Codex、Cursor などの AI エージェントが「PDFからテキスト」を代わりに実行できます: /skills/pdf123-pdf-to-text.md
ファイルはこの処理のためだけに使い、完了後に自動で削除します。