PetaPDFができること
1途切れた改行をつなぐ
PDFからコピーした文章には、見た目の行末ごとに改行が入っています。
「。」などで終わる行と空行を段落の区切りとみなし、それ以外の改行をつないで、1つの段落を1行にまとめます。
英語の行どうしは、間に半角スペースを入れてつなぎます。
2ヘッダ・フッタ・ページ番号を取り除く
ページごとに繰り返し出てくる資料のタイトルや、「- 1 -」のようなページ番号の行を取り除きます。
貼り付けた文章では、40字以内の同じ行が、10行以上離れて3回以上出てきたときにヘッダ・フッタとみなします。
2ページ分だけを貼り付けたときのように、繰り返しが少ないと残ります。
3余計なスペースや見えない文字を直す
「日 本 語」のように、文字の間に入ったスペースを取り除きます。
行末で「exam-」と「ple」のように分かれた英単語は、ハイフンを外してつなぎます。
ほかに、合字(fi → fi)の展開、分かれた濁点・半濁点の結合、ゼロ幅スペースのような見えない文字の除去も行います。
見えない文字が混ざると、検索で当たらない、文字数が合わないといったことが起きます。種類ごとの見分け方は「PDFから貼り付けた文字に混ざる「見えない文字」」にまとめています。
4PDFファイルから直接取り出す
PDFファイルを読み込むと、文字の位置の情報から行を組み立て、2段組なら左の段、右の段の順に並べ直して取り出します。
ページの上下の端にある行のうち、多くのページに同じ形で出てくるものは、ヘッダ・フッタとして外します。
※40字を超える行は残ります。1ページだけのPDFでは、ページ番号の行だけを外します。
2段組のPDFをコピーしたときに左右の段が混ざる理由は「2段組のPDFをコピーすると文章が入り混じる」に書いています。
崩れ方と、整えた後の例
| 崩れ方 | コピーした文章 | 整えた後 |
|---|---|---|
| 行の途中の改行 | これはテスト(改行)です。 | これはテストです。 |
| 英単語のハイフン分割 | exam-(改行)ple | example |
| 文字の間のスペース | 日 本 語 テキスト | 日本語テキスト |
| ページ番号の行 | 本文です。(改行)- 1 -(改行)次の文です。 | 本文です。(空行)次の文です。 |
| 合字 | final result | final result |
| 見えない文字 | テスト(ゼロ幅スペース)データ | テストデータ |
※整えた後は、「AIに貼る(標準)」で整えた結果です。
使い方 3ステップ
文章を貼り付けるか、PDFを読み込む
PDFからコピーした文章を、入力欄に貼り付けます。
PDFファイルから取り出すときは「PDFファイル直読み抽出」に切り替えて、ファイルをドロップするか、クリックして選びます。
「ページ範囲指定」に「1-5, 8」や「10-」(10ページ目から最後まで)と書くと、そのページだけを取り出せます。
全角の数字や「〜」「、」でも読み取ります。
プリセットを選ぶ
「AIに貼る(標準)」は、段落の間に空行を入れて整えます。
「1行にまとめる」は、段落も含めてすべての改行を消すので、検索窓や表のセルに入れるときに使えます。
「原稿を整える」は、「AIに貼る(標準)」と同じ整え方に加えて、行頭の全角スペース(字下げ)を残します。
選んだ時点で結果に反映され、「抽出・整形オプションを調整する」から項目ごとに変えることもできます。
コピーするか、ファイルに保存する
「コピー」ボタンでコピーして、ChatGPTなどに貼り付けます。
「.txt 保存」を押すと、「cleaned_2026-10-12.txt」のように日付の入った名前のテキストファイルで保存できます。
知っておきたいこと
整えた結果の上には、使った整形の名前と件数(「改行の結合(段落保持)」など)と、取り除いたヘッダ・ページ番号の行が取り消し線つきで表示されます。
貼り付けた文章なら、「変更差分 (Diff)」に切り替えると、元の文章との違いを見比べられます。
数字だけの行は、ページ番号とみなして取り除きます。
貼り付けた文章では、ページのどこにあるかに関係なく取り除くので、表をコピーしたときの「120」のようなセルの数字も消えます。「IV」のようなローマ数字だけの行も同じです。
表を含む文章では、取り除いた行の一覧を確かめてください。残したいときは、「反復ヘッダ・ページ番号除去」のチェックを外します。
判定の条件は「PDFからコピーするとページ番号やヘッダーが本文に混ざる」にまとめています。
日本語の文字どうしの間にある空白は、半角か全角かに関係なく取り除きます。
「東京 大阪」のように、わざと全角スペースで区切った文も「東京大阪」になります。
行頭の字下げは、「原稿を整える」を選ぶと残ります。
「。」や「」」などで終わる行は、段落の終わりとみなします。
PDFの行末がたまたま文の終わりと重なると、段落の途中でも空行が入ることがあります。
縦書きのPDFには対応していません。
読み込んでも注意書きが出ないまま、文字の順番が入り混じった文章が出てくることがあります。
よくある質問
Q. 入力したファイルやテキストは外部へ送信されますか?
送信されません。
貼り付けた文章の整形も、PDFからの取り出しも、お使いのブラウザの中で行っています。
Q. スキャンしたPDF(画像PDF)もテキスト抽出できますか?
取り出せません。
スキャンした紙や写真から作ったPDFは、中身が画像だけで、文字のデータを持っていないためです。
画像から文字を読み取る機能(OCR)にも対応していません。
読み込んだどのページにも文字が無いときは、「このPDFは画像(スキャン)のようです。」から始まる案内を表示します。
Q. なぜPDFのコピペは文字や改行が崩れるのですか?
PDFは、文字をページのどの位置に置くかという情報で持っていて、行や段落のまとまりを持っていないことが多いためです。
コピーすると、見た目の行末ごとに改行が入ったり、文字の間にスペースが入ったりします。
崩れ方ごとの原因は「なぜPDFからコピペすると改行や空白が崩れるのか」にまとめています。
Q. 無料で利用できますか?
無料です。
会員登録も不要で、すべての機能を使えます。