選択可能な文字とスキャン画像は別物です
PDFの中には文字コードとグリフの対応が保存されているものがあります。一方、スキャンしたPDFは紙の写真だけで、OCRを実行しない限り検索可能な文字を含みません。
この機能は読み取れる文字をTXTに保存します。元のフォント、段組み、表や図形、文書の見た目をワープロ文書のように再現するものではありません。
書き出した文字を点検する
複雑なPDFでは文字の内部保存順が実際の読む順番と異なることがあります。名前や表の列が混ざってしまう場合は、レイアウトを考慮する抽出方法やOCRを検討してください。
- PDFを開き、文字を選択できるか確認します。
- 「PDFを変換」から全ページをTXTに書き出す操作を選びます。
- TXTを開いて改行、文字化け、読み順を確認し、必要ならテキストエディターで修正します。
- 署名、画像、フォントやPDFのページ配置はTXTには残らないことを確認します。