PDFの文字を読み取る(OCR) スキャンしたPDFの文字を、コピーできる文に

English page: PDF to Text

スキャンしたPDFや、文字を選べないPDFの文字を、このページで読み取って、コピーできる文にします。文字がもう入っているPDFなら、その文字をそのまま取り出します。日本語と英語に対応。何個でも、何回でも完全無料です。登録も広告もなく、アプリも要りません。

PDFの文字を読み取る

言語(選ぶのは、PDFを入れる前です)

    はじめてのPDFは、読み取りの準備のために約10MB(英語だけなら約8MB)の通信をするので、少し待ちます。1ページに数秒〜数十秒かかります。

    ときどき読み間違えます(たとえば「日」が「目」になります)。下書きとして使い、読み返して直してください。

    使い方

    ▼ 下は、実際の操作の録画です(約11秒・音はありません)。お見積りのPDFをドラッグすると、中の文が読み取られて出てきます。あとは「文をコピー」か「テキストで保存」を押すだけです。
    ▼ 下は、スマホでの実際の操作の録画です(約11秒・音はありません)。「PDFを選ぶ」を押してPDFを選ぶと(選ぶ画面は省いています)、中の文が読み取られて出てきます。あとは「文をコピー」か「テキストで保存」を押すだけです。
    1. 言語を選びます。日本語が入っているPDFなら「日本語と英語」、英語だけのPDFなら「英語だけ」です。選ぶのは、PDFを入れる前です。
    2. 「PDFを選ぶ」を押すか、PDFをこの枠の中へドラッグします。いくつでもまとめて入れられます。
    3. ページごとに読み取った文が、下に出ます。その場で直してから、「文をコピー」か「テキストで保存」を押します。31ページ以上あるPDFは、「続きの◯ページを読む」を押すと続きを読みます。

    文字がもう入っているページは、その文字をそのまま取り出すので、すぐ終わります。スキャンしたページは、画像として文字を読むので時間がかかります。テキストは、元のPDFと同じ名前で、最後が「.txt」になります。元のPDFは変わりません。

    説明図。「PDFの文字を読み取る」「スキャンしたPDFの文字を、コピーできる文に」の題。1 言語を選ぶ:「日本語と英語」か「英語だけ」。2 PDFを入れる:PDFを枠へ(30ページずつ読む)。3 コピーする:文を直して「文をコピー」。4 文字が入ったPDF:入っている文字をそのまま取り出す。5 苦手なもの:手書きと縦書き。下に「何個でも何回でも無料:登録も広告もなし」。
    このツールの使い方を、1枚の図にまとめました。

    きれいに読み取るコツ

    よくある質問

    どういう仕組みで動きますか?
    PDFを開くプログラム(PDF.js)と、文字を読み取るプログラム(Tesseract)が、ブラウザの中で動きます。はじめてのPDFのときに、このプログラムと、日本語と英語の文字のデータを、このサイトから受け取ります(約10MB。英語だけなら約8MB)。文字がもう入っているページは、その文字を取り出します。文字が入っていないページは、画像にしてから文字の形を見分けて文にします。計算は全部、お使いのパソコンやスマホがします。
    入れたPDFは、サーバーに送られますか?
    送られません。このツールは、お使いのパソコンやスマホの中だけで動きます。入れたPDFも、読み取った文字も、ファイルの名前も、サーバーには一切送りません。当方が数えるのは、ページが開かれた回数、ツールが使われた回数、ページが画面に出ていた時間、ページをどこまでスクロールしたか、の4つだけです。どれにも、ファイルの名前や中身は入りません。
    本当に無料ですか?
    はい。何個でも、何回でも無料です。登録も広告もありません。
    どんなPDFを読めますか?
    1つ100MBまでのPDFです。一度に30ページずつ読み、続きはボタンで読みます。スキャンしたPDF、写真から作ったPDF、文字の入ったPDFのどれでも入れられます。
    パスワードの付いたPDFは読めますか?
    読めません。開くのにパスワードが要るPDFは、先にパスワードを外してから入れてください。
    文字がもう入っているPDFは、どうなりますか?
    入っている文字をそのまま取り出します。ただ、ほかのアプリで入れた文字は、順番が崩れていたり、字が抜けていたりすることがあります。おかしいときは、結果の下の「全部のページを画像として読み直す」を押すと、画像から読み直します。
    縦書きは読めますか?
    横書き向けです。縦書きの本や新聞は、行の順番が崩れたり、読めなかったりします。縦書きのページを見つけたときは、結果の上で知らせます。
    手書きの文字も読めますか?
    印刷された文字向けです。手書きは、きれいな楷書なら一部読めますが、崩した字はほとんど読めません。
    時間がかかります
    はじめてのPDFは、準備のために約10MB(英語だけなら約8MB)を読み込むので、少し待ちます。スキャンしたページは、1ページに数秒〜数十秒かかります。スマホでは、パソコンより時間がかかります。途中で止めるときは「読み取りを止める」を押してください。
    検索できるPDFにできますか?
    このページは、読み取った文をテキストとして出すだけです。PDFの中に文字を入れて、検索やコピーができるPDFにする機能はありません。
    写真やスクショの文字も読めますか?
    画像から文字を読み取るのページで、PNG・JPG などの画像の文字を読めます。

    ほかのツールと「Macの裏技」

    Macのアプリも作っています。縦書きの本や新聞をスキャンしたPDFには、ヨミガエルがあります。縦書きの日本語のPDFに、読む順番どおりに文字を入れるMacアプリです。Apple Silicon 搭載の Mac(M1 以降)、macOS 14(Sonoma)以降で使えます。Intel 搭載の Mac と macOS 13(Ventura)以前では使えません。

    このツールで使っている部品

    PDFを開く部品に PDF.js 6.4.299(Mozilla・Apache License 2.0)を、文字を読み取る部品に Tesseract.js 7.0.0(Apache License 2.0)と、その言語データ tessdata_fast の日本語(jpn)と英語(eng)(Apache License 2.0)を、手を加えずにそのまま使っています。部品のライセンスと入手先はPDF.js の一覧とTesseract の一覧にあります(PDF.js・Tesseract.js・tessdata_fast)。