Extract text from images — free

PDFをアップロードすると、ツールが本物のテキストレイヤーを含むのか、それともスキャンされた画像だけなのかを検出します。テキストレイヤーを持つPDFはその場で書き出されます。画像のみのPDF（スキャンした書籍、撮影したレシート、古いレポート）は自動的にOCRを通ります。どちらの場合も、段落、改行、セクションの間隔が保たれたきれいな.txtファイルが得られます。

はい。PDFが画像のみの場合（スキャン、撮影したページ、ファックスの書き出しによく見られます）、OCRエンジンが自動的に作動するので、別のツールは必要ありません。多言語対応が組み込まれているため、二言語混在の文書やラテン文字以外の文字（中国語、アラビア語、ヒンディー語）でも、同じ処理の中で一度に抽出されます。

段落の区切り、セクション間の空行、箇条書きの記号、番号付きリストの接頭番号は、プレーンテキストとして保持されます。見出しは、元のフォントに応じて大文字、または元の大文字・小文字のまま出力されます。視覚的な強調（太字、斜体）はプレーンテキストには記録されません。それが必要な場合は、代わりに PDF から Word への変換ツールをご利用ください。

はい。アップロード後に表示される入力欄でパスワードを入力すると、ツールはテキストを抽出するのに必要な間だけメモリ上でファイルのロックを解除します。パスワードがディスクに保存されたり、第三者のサービスに送信されたりすることは一切ありません。パスワードのないロック済みPDFは処理できません。セキュリティ上の理由から、パスワードの解読は一切行いません。

50 MB・500ページまでのファイルは問題なく処理できます。それより大きな文書も処理可能ですが、時間はかかります。2000ページの法務アーカイブではOCRに数分かかることもあります。大量のバッチ処理の場合は、まずPDF分割ツールでPDFを分割し、各チャンクを並行して処理してください。

処理は安全なサーバー上で行われ、ファイルは数分以内に削除されます。出力された .txt はあなたのものです。透かしも、クレジット表記も、トラッキングもありません。研究者、ジャーナリスト、弁護士、学生は、元の PDF が変換後に保持されないことを知ったうえで、機密レポートからテキストを抽出するために本ツールを利用しています。