PDFの文字をコピー・抽出する方法｜改行の乱れを整えるコツ

PDFで受け取った資料の文章を、メールや報告書、Wordに使いたい場面はよくあります。ところが、PDFから文字をコピーして貼り付けると、行の途中で改行が入ったり、段落がばらばらになったりします。そのたびに手で直す方も多いのではないでしょうか。

この記事では、改行が崩れる理由と、PDFから文字を取り出す方法の違いを説明します。そのうえで、PDFからテキストを抽出して読みやすい段落に整えるまでの流れを、順番に紹介します。スキャンしたPDFのように、そもそも文字を取り出せないケースについても説明します。

PDFから文字をコピーすると改行が崩れる理由

PDFは「どの文字をページのどこに置くか」を記録する形式です。見た目を正確に再現するための形式なので、Wordのように「ここからここまでが1つの段落」という情報を持っていないことがよくあります。

そのため、画面上で1行に見える部分は、データの中でも「1行」として扱われます。コピーすると行の終わりごとに改行が入るので、本来はつながっている文章が細切れになります。

崩れ方には、よくあるパターンがいくつかあります。

行の終わりごとに改行が入り、文章が途中で切れる
段組み（1ページを2列以上に分けたレイアウト）の資料で、左右の列が混ざって順番が入れ替わる
文字と文字のあいだに余計なスペースが入る
ヘッダー（ページ上部の見出し）やページ番号が本文の途中に入り込む
表が1行ずつばらばらになり、どの値がどの列のものか分からなくなる

この中で一番多いのが、行末ごとの改行です。文章の中身は正しく取れていても、改行だけが余分に入っている状態です。この場合は、余分な改行を取り除けば読みやすい文章に戻せます。

スキャンしたPDFは文字を取り出せません

PDFには大きく分けて2つの種類があります。中身が違うので、文字を取り出せるかどうかも変わります。

種類	作られ方の例	文字データ	テキスト抽出
文字のPDF	WordやExcelから書き出したもの、Webページを保存したもの	あり	できる
画像のPDF	紙をスキャナーやスマホで読み取ったもの、写真をPDFにしたもの	なし（文字の形をした絵だけ）	できない

見分けるには、PDFを開いて文字をマウスでなぞってみるのが簡単です。文字が1文字ずつ選択されれば文字のPDFです。ページ全体が四角く選ばれるだけなら、画像のPDFと考えられます。

画像のPDFから文字を取り出すには、OCR（画像に写った文字を読み取って文字データにする技術）が必要です。DeftivoのPDFテキスト抽出はOCRを行いません。 PDFの中にもともと入っている文字データを取り出す道具なので、スキャンしたPDFにかけても、文字はほとんど出てこないか、まったく出てきません。文字が見つからなかったページがあると、そのページ番号が画面に表示されます。

スキャンした資料の文章が必要な場合は、OCR機能のあるソフトやサービスを使う必要があります。OCRの結果には読み間違いが含まれることがあるので、使う前に必ず原文と見比べてください。

PDFからテキストを取り出す方法の比較

PDFから文字を取り出す方法はいくつかあります。量や目的に合わせて選ぶのがおすすめです。

方法	向いている場面	気をつけたい点
PDF閲覧ソフトで選択してコピー	数行〜1段落だけ欲しいとき	ページをまたぐと手間がかかり、改行の乱れも出やすい
PDF編集ソフトの書き出し機能	ソフトをすでに持っていて、レイアウトも残したいとき	ソフトによって機能や使える範囲が異なる
アップロード方式のオンライン変換サービス	ソフトを入れずに変換したいとき	ファイルを外部のサーバーに送る
ブラウザ内で処理するツール（Deftivoなど）	社外秘の資料や複数ページをまとめて取り出したいとき	OCRはしないので、スキャンしたPDFには使えない

数行だけならコピーで十分です。何ページもある資料や複数のPDFから文章を集めるなら、まとめて抽出できるツールのほうが手早く済みます。

契約書や社内資料など外に出したくない文書は、ファイルをどこにも送らない方法を選ぶと安心です。Deftivoのツールはすべてブラウザ内で処理されるので、PDFがサーバーにアップロードされることはありません。

DeftivoでPDFからテキストを抽出する手順

PDFテキスト抽出ツールを使うと、ページ全体や指定したページの文字をまとめて取り出せます。手順は次のとおりです。

PDFファイルを1つ以上選ぶか、ドラッグ＆ドロップします。
文書全体なら「ページ」欄は空欄のままにし、一部だけなら「1-3, 5」のようにページを入力します。
「— Nページ —」の区切りを入れるかどうかを切り替えます。
「テキストを抽出」を押し、結果をコピーするか.txtでダウンロードします（複数のPDFは.txtファイルをまとめたZIPになります）。

ページの区切りを入れておくと、取り出した文章がどのページにあったのかが分かります。あとで原文を確認したり、「〇ページ参照」と書いたりするときに便利です。文章を1つにつなげて使いたいときは、区切りをオフにしておくと手間が減ります。

TXT（書式のないテキストファイル）で保存しておけば、メモ帳などのテキストエディタやWordなど、たいていのソフトで開けます。複数のPDFを一度に処理した場合はZIP（複数のファイルを1つにまとめた形式）でダウンロードされるので、展開してから使ってください。

改行削除ツールで段落を整える流れ

抽出した文章に行末ごとの改行が残っている場合は、改行削除・テキスト整形ツールで整えます。PDFから取り出した文章をそのまま貼り付けて使えます。

左側の「元の文章」欄に文章を貼り付けます。
使いたい整形オプションにチェックを入れます。最初から「改行を削除（1行につなげる）」「段落（空行）は残す」「連続する空白を1つに」「行頭・行末の空白を削除」がオンになっていて、空行で区切られた段落は残したまま、途中で切れた行がつながります。
右側の「整えた文章」欄から「結果をコピー」でコピーします。

おすすめは、PDFからの抽出と改行の整理を2段階に分けて進めることです。

段階	使うもの	やること
1. 取り出す	PDFテキスト抽出	必要なページの文字をまとめて抽出する
2. 整える	改行削除・テキスト整形	余分な改行を取り除いて段落の形に戻す
3. 仕上げる	貼り付け先のソフト	見出しや段落の区切りを目で確認して直す

すべての改行を消すと、段落の区切りまでなくなってしまうことがあります。長い資料では、章や段落ごとに分けて貼り付けると、仕上がりを確認しやすくなります。

注意点と上手に使うコツ

PDFの作られ方によっては、ツールを使っても完全にはきれいになりません。次の点を知っておくと、作業がスムーズになります。

段組みの資料は順番を確認する：2列以上のレイアウトでは、文章の順番が入れ替わることがあります。抽出後に原文と見比べてください。
表はそのままの形では残らない：表の中の文字は取り出せますが、行と列の形は崩れます。表として使う場合は、貼り付け先で作り直すほうが確実です。
数字や記号を見直す：PDFの作り方によっては、記号や特殊な文字が別の文字に置き換わることがあります。金額や日付などは必ず確認しましょう。
文字化けした場合：PDFによっては、文字の情報が正しく記録されていないことがあります。この場合は抽出しても読める文字にならないため、元のファイルを作った人に別の形式で送ってもらうのが近道です。
コピー禁止の設定がある場合：PDFに文字のコピーを制限する設定が付いていることがあります。作成者の意図や著作権に注意し、許可された範囲で利用してください。

必要なページだけを指定して抽出すると、あとで整える量が減ります。全文が必要ない場合は、最初にページ番号を確認してから「ページ」欄に入力するのがおすすめです。

よくある質問

スキャンしたPDFの文字は取り出せますか？

DeftivoのPDFテキスト抽出はOCR（文字認識）を行わないため、スキャンしたPDFからは文字を取り出せません。スキャンしたPDFは文字の形をした画像なので、文字データが入っていないためです。OCR機能のあるソフトやサービスを使う必要があります。

抽出したテキストに改行が多すぎるのはなぜですか？

PDFは段落ではなく、見た目の1行ごとに文字を記録していることが多いためです。抽出した文章を改行削除・テキスト整形ツールに貼り付けると、余分な改行を取り除けます。段落の区切りは最後に目で確認して整えてください。

複数のPDFをまとめて処理できますか？

はい、PDFファイルを複数選んで一度に抽出できます。その場合、それぞれの.txtファイルを1つにまとめたZIPファイルでダウンロードされます。

PDFの中身がサーバーに送られることはありますか？

Deftivoのツールはすべてブラウザ内で処理するため、PDFや文章がアップロードされることはありません。社内資料や個人情報を含む文書でも、手元のパソコンやスマホの中だけで作業できます。