PDFからテキストを抽出
PDFをアップロードするか、PDFの直接URLを貼り付けます。プレビューで確認し、Markdownをコピーするか.mdファイルをダウンロードできます。スキャンはサーバー上でOCR処理します。
出力される内容
PDFをアップロードするか、PDFの直接URLを貼り付けます。プレビューで確認し、Markdownをコピーするか.mdファイルをダウンロードできます。スキャンはサーバー上でOCR処理します。
PDFに合う設定を選ぶ
- コンバーターを開き、OCR言語を確認します。
- PDFを選ぶか、PDFの直接URLを貼り付けます。
- プレビューを原本と照合してから、.mdをコピーまたはダウンロードします。
実際の変換サンプル
## 請求書 株式会社田製作所御中·請求書番号2026-0828-114·2026年8月28日 平素より格別のお引き立てを賜り、誠にありがとうございます。下記の通りご請求申し上げます。お支払期限は2026年9月30でございます。振込手数料は貴社にてご負担くださいますようお願いいたします。 <table><tr><td rowspan=1 colspan=1>品目</td><td rowspan=1 colspan=1>数量</td><td rowspan=1 colspan=1>单価(円)</td><td rowspan=1 colspan=1>金额 (円)</td></tr><tr><td rowspan=1 colspan=1>精密部品加(アルミ合金)</td><td rowspan=1 colspan=1>240</td><td rowspan=1 colspan=1>1,850</td><td rowspan=1
自作のスキャン文書をMinerUと日本語OCRで処理した保存済みサンプルです。ライブ変換や精度の保証ではありません。
コピーできないPDFから、読み直せるテキストへ
PDFは、紙面上の文字の位置を記録する形式です。見た目が整っていても、段落の順序がそのまま保存されているとは限りません。二段組の資料をコピーすると左右の行が混ざり、表の数値が別の段落に移ることがあります。このページでは、PDFからテキストを抽出し、見出し、段落、リスト、表をMarkdownとして確認する手順を説明します。元の紙面を再現するための機能ではありません。
出力は.md拡張子のMarkdownファイルです。普通のテキストに、見出しや表を表す記号が加わります。テキストエディターで読み、誤認識を修正し、ノートや社内資料に移せます。独立したTXTダウンロードはありません。改行位置やページ番号など、印刷用のレイアウトがそのまま残ることも保証していません。文章の内容と構造を再利用したい場合に向いています。
テキスト付きPDFとスキャンを見分ける
まず原本で数文字を選択してみてください。文字単位で選べる場合は、テキスト層がある可能性があります。ページ全体が一枚の画像なら、OCRで画像から文字を認識する必要があります。同じPDF内に両方のページが混在することもあります。文字を選択できても、文字化けする場合は、埋め込まれたテキスト層が正しくない可能性があります。
日本語の資料にはOCR言語として日本語を選びます。以前に別の文書で使った言語が保存されている場合があるため、アップロード前に表示を確認してください。テキスト層が壊れている場合はOCRを強制する設定を試せます。強制OCRは万能な修復ではありません。傾き、低解像度、かすれ、手書き、ルビ、縦書きは誤認識や読み順の乱れにつながります。
表や数式を含む資料で確認すること
単純な表はMarkdownの表として出力されることがあります。行と列を元のPDFと照合し、金額、日付、小数点、単位を確認してください。結合セル、複数ページの表、繰り返し見出しは手直しが必要になる場合があります。ExcelやCSVへの書き出し機能ではありません。計算やデータ分析に使う場合は、抽出後に別の工程で検証してください。
数式はMarkdown内のLaTeX表記として出力されることがあります。プレビューだけでなくソース表示も開き、マイナス記号、添字、分数、括弧を原本と見比べてください。完全な.tex文書や印刷レイアウトの再構築は行いません。研究資料や授業資料に再利用するときは、重要な式を人が確認してから使ってください。
画像とMarkdownの大きさを選ぶ
テキストが目的なら、画像をプレースホルダーにする設定で長いBase64データを避けられます。図を文書と一緒に残す必要がある場合は、画像埋め込みを選択します。その分、Markdownファイルが大きくなります。プレースホルダーは個別画像ファイルではなく、画像一式のZIPダウンロードもありません。図の参照用に原本を保管してください。
処理が完了したら、整形表示で全体を読み、ソース表示で実際のMarkdownを確認します。コピーはMarkdownのソースをクリップボードに取り込みます。ダウンロードした.mdファイルは、テキストエディターやノートアプリで開けます。画像、表、数式の解釈は取り込み先によって異なるため、短いサンプルを先に試すと後の手直しを減らせます。
読み順と文字を原本に照らして確認する
最初は実際の用途を代表する短いPDFを使ってください。見出しの順序、全角と半角の混在、改行で分断された単語、英数字、日本語の句読点を確認します。二段組や脚注は本文と混ざる場合があります。縦書きや細かいルビでは、期待した読み順になるとは限りません。完了という状態は出力が得られたことを示し、全文の正しさを認証するものではありません。
長い文書は処理時間枠に達し、部分結果として返ることがあります。必要な章や最終ページが含まれているか確認し、不完全な結果を全文として扱わないでください。必要なら章ごとにPDFを分割して再試行します。大量処理にはREST APIやホスト型MCPを利用できますが、同じサービスの容量、権限、保存期間のルールが適用されます。
サーバー処理と保存期間
ブラウザーからアップロードしたPDFは、当社サーバーで処理します。端末内だけで完結する変換ではありません。出力は一時保存され、保存期間の終了後に自動削除されます。自分のジョブを手動で削除することもできます。必要なファイルは有効期限内にダウンロードしてください。文書の内容を広告やモデル学習には利用しません。詳細はプライバシーポリシーで確認できます。
制限とプライバシー
無料枠:PDFは10 MBまで、3スロット、匿名は月150ページ、無料アカウントは月400ページ。処理時間枠は15分、結果の保存は1時間です。部分結果は原本と照合してください。