Microdeck.tools 100% ブラウザ完結

PDF テキスト抽出ツール(オフライン対応)

New

契約書、論文、請求書、マニュアルなどの機密PDFを外部の変換サイトへアップロードせずに、綺麗なテキストを取り出せます。ブラウザ内で動作する `pdfjs-dist` を用いて任意のページ範囲(`1-3, 5` など)を指定し、行のベースライン座標を維持したままプレーンテキスト(`.txt`)またはMarkdown(`.md`)形式で書き出せます。

100% ブラウザ完結 サーバー送信なし 即時処理

Drop or select any text-based PDF

Extracts text coordinates locally via pdfjs-dist with zero uploads.

このツールは作業時間の短縮に役立ちましたか? Microdeckの無料運営と継続開発への応援(任意・$3〜)。

仕組みと内部処理

PDFのバイト配列を専用の `pdfjs-dist` Web Workerに読み込み、ページ範囲指定(`all` または `1-4, 7` など)を解析してテキスト要素の `(x, y)` ベースライン座標を取得します。同一の水平行(`yTolerance = 3.5`)に属する要素をグループ化して左から右へ並び替え、自然なプレーンテキストまたはMarkdownを生成します。

使い方ステップ

1

PDFファイルを選択します(ファイルはブラウザメモリ内のみで処理されます)。

2

必要に応じてページ範囲(`all` または `1-3, 5`)を入力し「Re-Extract」をクリックします。

3

出力形式(`Plain Text (.txt)` または `Markdown (.md)`)とページ見出しの有無を選びます。

4

抽出したテキストをクリップボードにコピーするか、`.txt` / `.md` ファイルとして保存します。

主な機能と特長

  • 行ベースライン座標の再構成により、単語順の崩れやバラバラな断片化を抑制
  • 単一ページ・複数範囲混在(`1-3, 6, 9-12`)に対応した柔軟なページ指定
  • プレーンテキスト(`.txt`)およびMarkdown(`## Page N` 見出し付き)での直接エクスポート
  • 抽出されたページ数と総単語数をリアルタイムに表示
  • サーバー転送ゼロ:秘密保持契約書(NDA)、医療文書、財務書類でも安心

計算ロジック・仕様・技術基準

各テキストトークンを `3.5` PDFユーザー単位以内のベースライン `y` 近接度でクラスタリングし、`transform[4]`(`x` 座標)で水平ソートしたうえで余分な連続空白を整形しています。

主な利用シーン

  • NDAや業務委託契約書から特定条項のテキストを取り出してローカルで確認・要約
  • 数百ページある技術マニュアルPDFから必要な章だけをピンポイントでテキスト化
  • 検索可能なPDF請求書・領収書の明細をコピーして会計ソフトへ転記
  • 論文や調査資料の抜粋をObsidianやNotion向けのMarkdown形式で整理

入出力の例・エッジケース

Selective Page Range Extraction

入力
Pages: `1-2, 5` on a 12-page contract
出力
Extracts only pages 1, 2, and 5 with clear page dividers

Avoids copying boilerplate appendices when you only need key clauses.

Scanned PDF Detection Note

入力
Image-only scanned document page
出力
_No extractable text layer on this page._

If a PDF lacks an embedded text layer, switch to our Batch OCR tool.

仕様上の制限・精度に関するご注意

  • • PDF内部に埋め込まれたデジタルテキスト層のみを抽出します。画像のみで作成されたスキャンPDFからはテキストを取得できないため、画像スキャンにはBatch OCRツールをご利用ください。
  • • 極端に狭い行間の多段組(マルチカラム)学術論文レイアウトでは、同じ高さの左右カラム行が1行に結合される場合があります。

ブラウザ内ローカル処理とプライバシー保護

一般的なWebツールは文書やメディアを外部サーバーへ送信します。PDF テキスト抽出ツール(オフライン対応) はお使いのブラウザタブ内のみで完結します:

このタブ内で処理完結

入力テキストやファイルは端末内で処理され、外部の処理サーバーへアップロードされません。

入力データのログ保存なし

作業内容や貼り付けたデータを保存・記録しません(通常の静的配信CDNリクエストのみ発生します)。

タブ単位の一時メモリ管理

作業データはタブ内のメモリ上のみに保持され、リセットまたはタブを閉じると破棄されます。

よくある質問 (FAQ)

スキャンしたPDFを読み込んだのにテキストが空(空白)になるのはなぜですか?

スキャンPDFは文字データではなくページ全体の画像として保存されているためです。画像スキャンPDFの文字認識にはMicrodeckのオフライン対応「Batch OCR」ツールをご利用ください。

機密PDFがCloudflareや外部APIへアップロードされることはありますか?

いいえ。`pdfjs-dist` が隔離されたブラウザ内のローカルWeb Workerでバイトデータを解析するため、ネットワーク送信は一切発生しません。

PDF全体ではなく特定のページだけを抽出できますか?

はい。Pages欄に `1-3, 5` のように範囲を入力して「Re-Extract」をクリックすれば指定ページのみ抽出されます。

`.txt` と `.md` 出力の違いは何ですか?

`.txt` は `=== Page N ===` の区切りを使用し、`.md` はMarkdownの見出し記法 `## Page N` と空白ページのプレースホルダーを出力します。

関連するマイクロツール

Microdeckを応援する

完全任意 · $3から · アカウント登録不要

金額を選択 (USD):選択中:$5

最小金額は $3 USD です。

完全任意 · $3から · Gumroadの安全な決済ページが開きます。