記事
PDFの編集が難しい理由
PDFを開いて、ワープロと同じ感覚で文を変更できると期待するのは、よくあるいらだちの元です。Wordの文書は段落、スタイル、再流動ルールを保存しますが、PDFは完成したページを保存します。ここでは実際にPDFの中に何があるのか、それがなぜ本物のテキスト編集を難しくするのか、そして当サイトのツールにできることとできないことを見ていきます。
PDFは段落ではなくページを記述する
ISO 32000として標準化されたPortable Document Formatは、どの端末やプリンタでもページが同一に見えるよう設計されました。このグリフをこのx,y座標に置くという低レベルの描画命令のコンテンツストリームを保存し、再流動可能なテキストの段落としては保存しません。ワープロのファイル形式は、スタイルとレイアウトルールが付いた文字の流れとしてテキストを保持しますが、PDFは完成したレイアウトそのものを保持します。それがどこでも同一にレンダリングされる理由のすべてであり、文を移動することが単純なテキスト編集ではない理由のすべてでもあります。
文がただ移動しない理由
再流動可能な文書では、文を長くすると段落の残りが自動的に下に押し出されます。PDFにはそのようなルールがありません。テキストの各行は個別に配置されたオブジェクトであるため、単語を挿入するには、その行や、しばしばその下のすべての行で、テキストの重なりを避けるためにあとに続くすべてのグリフを再計算し再配置する必要があります。PDFを文書のように編集させてくれるソフトウェアは、裏でこの流れを静かに再構築しています。そのため、結果としてネイティブのワープロでは決して起きないような形で、間隔やフォント、改行がずれることがあります。
当サイトのPDFエディタが実際にすること
当サイトのPDFエディタは、テキストボックス、画像、ハイライト、白塗り四角形を、既存のページの上に、指定した位置に配置しますが、その下にある元のコンテンツストリームには触れたり再流動させたりしません。これは実際によくあるケース、フォームの空欄を埋める、スタンプやメモを追加する、印刷前に一行を隠すといったことをカバーします。ワープロのようにPDFを編集可能な段落に戻すわけではありません。それには単に上から描画するのではなく、文書の構造自体を再構築する必要があるためです。
レイアウトではなく本当にテキストが必要な場合
目的が文言を再利用することであれば、その場でページを編集するのではなく、テキストをコピーして取り出してください。当サイトのPDF-to-textツールは、下にある文字オブジェクトを抽出するか、それがないスキャンされたページにOCRを実行し、任意のエディタに貼り付けて一から再フォーマットできるプレーンテキストにします。それにより再流動の問題を丸ごと回避できます。あなたが扱っているのは単語であって、それが描かれた固定ページではないからです。
PDFをWord文書に戻す変換
PDFを完全に編集可能な再流動可能なWordファイルに変える作業は、まったく別の、はるかに難しい問題です。位置情報を記録したグリフしか持たないページから段落の境界、スタイル、表の構造を推測する必要があり、これはまさにサーバー側のツールが行う重く不完全な再構築の類です。これはファイルを一切アップロードしないというコンセプトで作られたブラウザ専用サイトにとって、明らかに対象外です。当サイトではこれを行いません。PDFから編集可能なWordへの完璧な変換を謳うツールがあれば、それはどこかで不可逆な推測をしているということです。
この記事で紹介するツール
よくある質問
アップロードせずにPDFの実際のテキストを無料で編集できますか？
当サイトのPDFエディタで、新しいテキスト、画像、覆い隠す四角形をページの上に、完全にブラウザ内で追加できます。ワープロのようにその場で元のテキストを変更するには、文書を再流動可能なファイルとして再構築する必要があり、これは要素を重ねるのとはまったく別の、はるかに重い操作です。
PDFからテキストをコピーすると、なぜ時々ごちゃ混ぜの結果になるのですか？
PDFのテキストオブジェクトは独立して配置されており、読み取り順序で保存される必要はありません。たとえば段組みで配置されたページでは、下にあるオブジェクトが列ごとではなくページ全体を上から下へ順に並んでいることがあり、単純なコピー&ペーストで無関係な行が入り交じることがあります。
PDFの内容を編集可能なWordファイルにする本当の方法はありますか？
専用の変換サービスは、ページレイアウトから段落やスタイルを推測することでこれを試みますが、元の文書がどれだけ複雑かによって結果はまちまちです。その再構築は、クライアント側でアップロードなしのツールがロスレスに行えるものではないため、当サイトが提供する範囲の外に置かれています。pdf-to-textでテキストを抽出し、自分で再フォーマットするのが誠実な代替手段です。