無料PDFをWordに

実例

「サンプルを試す」を押します。ファイルチップに document-v1.pdf と表示されます。これは、タイトルと「Project: Atlas Rollout」や「Budget: $10,000」のような 6 つの短い行からなる 1 ページの PDF です。「Wordに変換」を押します。キャプションには「テキストレイヤーを読み取り中...」と表示され、次にチップに「1 ページ」と表示され、緑の行に「✓ Word文書の準備ができました — document-v1.docx」と出て、「抽出テキスト プレビュー」に「--- Page 1 ---」で始まるテキストが一覧表示されます。「ダウンロード」で .docx が保存され、「コピー」と「ダウンロード .txt」はプレビューの上にあります。「各ページの前に「Page N」の見出しを追加」にチェックを入れると、Word ファイルに「ページ 1」の見出しが加わります。スキャンされたものは、動作が異なります。12 ページのスキャン PDF では、琥珀色のパネルに「スキャンされたページが見つかりました — OCR を実行しますか？」と、「12 ページのいずれにもテキストレイヤーがないため、画像を読み取らずに取り出せるものはありません。」と表示されます。さらに「お使いの端末での読み取りには、およそ 6 分かかります。アップロードは一切ありません。」と表示され、「12 ページで OCR を実行」が提示されます。

使用する設定と制限事項

• まず、PDF に本物のテキストがあるか確認します。 このツールが読むのは、ワープロから書き出した PDF やブラウザーから保存した PDF が通常持っているテキストレイヤーです。スキャンは単なるページの画像で、テキストレイヤーがありません。テキストがまったくないページは 1 ページずつ数えられるので、混在したファイルも適切に扱われます。「12 ページ中 3 ページにテキストレイヤーがありません。残りは通常どおり変換しました。」と表示され、残りの 9 ページ分の Word ファイルはすでにダウンロードできる状態です。3 ページのスキャンを読み取るかどうかは、あなたが決めます。OCR ボタンを押すまで、何もダウンロードも開始もされません。
• OCR を実行する前に、文字体系を選びます。 「スキャンページの文字体系」の行を開いてください。表示しているサイトの言語から始まり、その言語に該当がなければラテン文字になります。スキャンには文字体系を判別するテキストがないので、ヒントには、間違った文字体系で読み取ったページは「エラーにならず、もっともらしく見えるでたらめな結果が返ってくる」と警告されています。選択肢は、ラテン文字とキリル文字から、タイ文字、タミル文字、テルグ文字まで 10 種類あります。それぞれにサイズが表示され、ギリシャ文字の 7.4 MB から、中国語と日本語の 15.9 MB までで、ラテン文字は 7.7 MB です。ヘブライ文字は選べません。パネルの合計には、どの文字体系でも使う共通部分も含まれます。
• 1 ページあたり約 30 秒を見込み、必要なら「キャンセル」を使います。 見積もりは 1 ページあたり 30 秒です。2 分未満は 5 秒刻みの秒数で、それより長いと分単位になり、40 ページなら「約 20 分」と表示されます。ページは端末上で 1 ページずつ読み取られ、キャプションには「12 ページ中 3 ページ目を読み取り中...」と数えて表示されます。「キャンセル」を押すと、ボタンは一時的に「停止中...」になります。すでに読み取ったページは保持されて Word ファイルに入り、まだ読み取っていないページは再び提示されます。スマートフォンでは、モデルのパネルに「スマートフォンでは処理が遅くなります。数分かかることがあるため、このタブを開いたままにしてください。」と警告されます。デバイスがモデルを実行できない場合、OCR ボタンは無効のままです。
• OCR のテキストは、最初の下書きとして扱います。 OCR の出力には位置情報がないため、スキャンの各行が 1 つの段落になり、表も見出しもありません。OCR の各ページは、斜体の注記「[端末上の OCR でスキャンページから読み取りました — 原本と照らし合わせて確認してください。]」で始まり、文書のヘッダーにも警告が繰り返されます。ファイル名には「-ocr」が加わるので、letter.pdf というスキャンは letter-ocr.docx としてダウンロードされます。結果の下の行には「OCR がスキャンされた 3 ページを読み取りました。機械で読み取ったテキストには誤りが含まれることがあります。原本と照らし合わせて確認してください。」と表示されます。ファイルを渡す前に、名前、数字、日付を紙と見比べてください。
• テキスト PDF から何が引き継がれるかを知っておきます。 折り返された行は結合されて段落になります。本文の少なくとも 1.2 倍の大きさの短い行は Word の見出しになり、少なくとも 1.6 倍の行は見出し 1 になります。150 文字を超える行は本文のままです。列が Word の表になるのは、3 行以上連続して同じ列数で揃っているときだけです。画像、フォント、ページレイアウトは保持されません。プレビューには最初の 8,000 文字が表示され、全文はダウンロードに含まれます。「各ページの前に「Page N」の見出しを追加」は、その見出しが PDF 自体にあるわけではないため、既定ではオフです。
• 複数の PDF をまとめて変換します。 PDF を複数ドロップするか、1 つ読み込んだ状態で「ファイルを追加」を押します。すると、ボタンは「3 件のPDFをWordに変換」になります。各ファイルがそれぞれ .docx になり、「すべてダウンロード (3)」は、それらを pdf-to-word という ZIP にまとめて保存します。一括モードが読むのはテキストレイヤーだけです。全体がスキャンされた PDF は、その行が「テキストレイヤーのないスキャンPDFです。OCRで読み取るには単独で開いてください。」で失敗し、一部がスキャンされた PDF には「スキャンページ 2 件をスキップしました」のような注記が表示されます。PDF ではないファイルは除外され、「PDFではないファイルはスキップされました。」と表示されます。

よくある問題とその解決方法

「問題が発生しました。もう一度お試しください。」と表示される。

リーダーが、ツールに専用のメッセージがないエラーで失敗しました。専用の文があるのは、パスワードエラーと無効な PDF のエラー（「このファイルはPDFとして読み込むことができません。ファイルが破損している可能性があります。」）だけで、ページ数が 0 の文書にも同じ破損のメッセージが出ます。リーダーの「UnknownErrorException」など、それ以外はすべてここに行き着きます。別の PDF ビューアーでファイルを開いてください。開けた場合は、そこから新しい PDF に印刷して、そのコピーを変換してください。

「この PDF には抽出可能なテキストが見つかりません。」と表示される。

すべてのページが画像で、OCR の提案で「実行しない」を押したため、変換するものがありません。ファイルの不具合ではなく、テキストレイヤーが空なのです。もう一度「Wordに変換」を押すと提案が戻るので、ページの文字体系を選んで、「N ページで OCR を実行」を押してください。OCR を使いたくない場合は、テキストレイヤーのない PDF にはコピーできる文字がないので、文字はほかの方法で入手する必要があります。

「OCR は実行しましたが、スキャンされたページから読み取れるテキストは見つかりませんでした。」と表示される。

各ページは描画されて読み取られましたが、認識エンジンはテキストを返しませんでした。単純なのは、そのページが本当に白紙の場合なので、ビューアーでページを確認してください。読み取ったページは、空で返ってきた場合でも、再び提示されることはありません。別の文字体系を試すには、「Wordに変換」（または「再度変換」）を押すと、確認がやり直されて提案が改めて表示されます。選択欄の下のヒントにあるとおり、間違った文字体系はエラーにならずにでたらめな結果になるので、選択欄も確認してください。

「スキャンされたページを読み取れませんでした。もう一度お試しください。」と表示される。

OCR の処理中に何かが失敗しました。1 ページで 120 秒間進まない場合は、停止したものと見なされます。その場合ツールはそのリーダーを破棄し、次回の試行で新しいものを起動します。長いスキャンで繰り返される場合は、パソコンを試すか、1 回の処理が短くなるように PDF を分割してください。関連するメッセージ「4 ページ目は OCR 用に描画するには大きすぎます。」は、ページの描画に一辺が 16,384 ピクセルを超える画像が必要なときに表示されます。

「この PDF はパスワード保護されています。パスワードを削除して、もう一度お試しください。」と表示される。

PDF が暗号化されているため、テキストはまだ読み取れません。メッセージの下の「このファイルを別のツールに送る」ボックスに、「PDFのロック解除」が表示されます。これは、このブラウザー内で同じファイルを PDFのロック解除ツールに渡し、ボックスには「アップロードは一切ありません。」と書かれています。そちらでロックを解除してから、解除したファイルをここに追加してください。一括モードでは、同じメッセージがそのファイルの行に表示されます。

比較

ページを PDF とまったく同じ見た目にしたいなら、このツールは向いていません。これはテキストを抽出して、段落、見出し、単純な表を再構成するもので、文字を編集したり再利用したりしたい場合に向いています。画像、フォント、元のレイアウトは保持せず、検索できる PDF も作りません。スキャンされたページは端末上の OCR で読み取られるため、テキストに間違いがあることがあり、校正が必要です。最初の OCR の実行では、モデルが一度だけダウンロードされ、文字体系ごとの 7.4〜15.9 MB に共通部分が加わります。インストールは不要で、PDF はアップロードされません。