PDFから文字をコピーできない？原因と取り出し方

PDFで単語を選択できない場合、そのページはテキストではなく、スキャンや写真などの画像である可能性が高いです。「PDFからテキストを抽出」にファイルをドロップしてください。単語が見つかったら、そこからコピーできます。テキストが見つからなかったと表示された場合は、OCR（光学文字認識）が必要です。OCRは画像から文字を読み取ります。どちらの手順もブラウザ内で実行され、ファイルがアップロードされることはありません。

PDFからテキストを抽出PDFからテキストを取り出したい無料で使う

テキストPDFとスキャンPDF

テキストPDFは、各文字を、フォントとページ上の位置を持つ文字データとして保存しています。スキャンPDFは、各ページを写真と同じように1枚の画像として保存しているため、選択できる文字がありません。ファイルによっては両方が混在しています。タイプされたページにスキャンした署名が付いている場合や、スキャンしたフォームにタイプされたタイトルがある場合などです。

ビューアーで1つの単語を選択して確認してください。選択範囲が文字に沿って表示されれば、テキストは含まれています。ページ全体しか選択できない場合や、まったく選択できない場合は、そのページは画像です。

見えている状態	多くの場合の意味	対処法
単語を選択してコピーできる	テキストPDF	直接コピーするか、ファイル全体は「PDFからテキストを抽出」を使う
何も選択できず、「PDFからテキストを抽出」でもテキストが見つからない	スキャンまたは撮影したページ	ページを画像にしてからOCRを実行する
単語は選択できるが、貼り付けると変な記号になる	フォントの文字が正しく文字コードに対応していない	「PDFからテキストを抽出」を試す。それでも文字化けする場合はOCRを使う
ビューアーで選択がブロックされる	作成者が設定したコピー制限	制限に関するセクションを参照する

PDFでコピーできない理由

コピーできなくなる原因は3つあり、それぞれ対処法が異なります。

• ページがスキャンした画像である。 ファイルの中に文字データが存在しないため、文字を取り出すにはOCRしかありません。
• ファイルを開くのにパスワードが必要である。 通常使っているプログラムで、手持ちのパスワードを使ってロックを解除するまで読み取れません。ここのツールはロックされたファイルを開こうとはしません。
• 作成者がコピー制限を設定している。 PDFには、コピーや編集を許可しないように指定されているものがあります。これは作成者が選んだ設定であり、fixmintではこの制限を回避しません。権利がある場合は、制限のないコピーを依頼するか、作成したプログラムから書き出してください。

テキストPDFから文字を取り出す

1. PDFからテキストを抽出のボックスにPDFをドロップし、各ページの読み取りが終わるまで待ちます。
2. 表示されたページ数と単語数を確認します。
3. 各ページに区切りを付けたい場合は「ページマーカー」にチェックを入れます。プレーンテキストにする場合はチェックを外したままにします。
4. テキストをコピーするか、.txtファイルとしてダウンロードします。

PDFは各テキストの描画位置を保存していて、どの段落に属するかは保存していないため、段組み、表、見出しの順序が入れ替わることがあります。各行の末尾で改行されてしまう場合は、PDFからコピーしたテキストが1行ごとに改行される理由を読んでから、テキストを貼り付けテキストの修正に貼り付けてください。段落ごとに行をつなげてくれます。

スキャンPDFから文字を取り出す

スキャンしたページは2つの手順が必要です。まず各ページを画像として書き出し、次に各画像の文字を読み取ります。スクリーンショットや写真も同じ読み取り手順で処理でき、詳しくはこちらで説明しています。

1. PDFをPDFをJPGに変換にドロップします。文字用にはPNGを選び、細かい文字には300 DPIを選びます。PNGは文字の輪郭がくっきりと残ります。必要なページだけを選ぶか、すべてのページのままにします。
2. ページをダウンロードします。各ページは個別の画像として保存されるか、すべてZIPでまとめて届きます。
3. 画像から文字起こしを開き、最初のページをドロップします。ページの読み取りが終わると文字が表示されます。認識に自信がない単語は赤で表示されます。
4. 各ページを順番に繰り返します。「行を段落にまとめる」にチェックを入れると改行が取り除かれるので、結果をコピーします。
5. 結果に頼る前に、数字、名前、日付をすべてページと照らし合わせて確認してください。

画像から文字起こしは一度に1枚の画像だけを読み取り、対応しているのは英語だけです。開始時にOCRエンジンと英語のモデルをサイトから読み込み、その後の画像の読み取りはお使いの端末上で行われます。大きいページや処理の遅いページは時間がかかるため、結果が出るまで待ってからコピーしてください。文字がくっきりとして、傾きがなく、明るさが均一なページが最も読み取りやすくなります。写真の場合は端を切り取り、カメラをページに対して正面から向けてください。

よくある間違い

• テキストのページをJPGで保存する。 JPGは文字の輪郭がぼやけるため、精度が下がります。文字だけのページにはPNGの方が適しています。
• OCRの結果を確認せずに信用する。 認識は完璧ではありません。数字と名前はページと照らし合わせて読んでください。
• 表がそのまま表として残ると期待する。 OCRは行単位で読み取るため、表がリストのように見えることがあります。結果をページと比べてください。
• 手書きの文字にOCRを使う。 画像から文字起こしは印刷された文字向けに作られています。手書きはうまく読み取れないことが多いため、その部分は手で入力し直してください。

よくある質問

OCRでスキャンしたページがアップロードされますか？

いいえ。ページはお使いのブラウザ内で読み取られ、画像がサーバーに送信されることはありません。サイトはOCRエンジンと英語のモデルをお使いのブラウザに配信し、読み取りはそこで行われます。

一部のページにだけテキストがない場合はどうすればよいですか？

「PDFからテキストを抽出」で「ページマーカー」をオンにしてください。マーカーの下に何も表示されないページはスキャンで、タイプされたページにはテキストが表示されます。テキストがないページだけを「PDFをJPGに変換」と「画像から文字起こし」に通し、結果を元の順番に戻してください。

コピーしたテキストが毎行の末尾で改行されるのはなぜですか？

PDFは印刷された各行を別々に保存しているため、コピーするとその改行も残ります。「貼り付けテキストの修正」を使うと、段落ごとに行をつなげられます。この現象の理由については改行に関するガイドで説明しています。

画像から文字起こしは手書きや他の言語を読み取れますか？

印刷された英語で、ラテン文字のものを対象に作られています。手書きはうまく読み取れないことが多いです。アラビア語、中国語、キリル文字などの他の文字には対応していません。