PDFフォームデータ抽出ツール

記入済みPDFフォームの回答を、フィールドごとにJSONやCSVで取り出します。

PDFフォームデータ抽出ツールはすべてブラウザ内で動作します。個人情報を含むことが多いフォームも端末内で読み取られます。

開発・運営：Udit Agarwal

記入済みフォームを平坦化する

PDFフォームデータ抽出 について

記入済みのPDFフォームは、回答をページのテキストではなくフォームフィールドのオブジェクトに保持します。だからフォームのテキストをコピーするとラベルばかりが取れて入力内容は一つも取れません。このツールはそのオブジェクトを直接読み、表として並べます。文書が保持しているとおりのフィールド名、型、回答、ドロップダウンの選択肢、そしてフィールドがあるページです。結果は名前と値だけの平坦なJSON、型やフラグを含む詳細なJSON、表計算や差し込み印刷用のCSVとして書き出せます。

機能

  • テキスト欄、チェックボックス、ラジオ、ドロップダウン、リスト、署名欄を読み取り
  • PDFが保持しているとおりの完全なフィールド名を表示
  • ドロップダウンの選択肢を選択値と並べて表示
  • 必須と読み取り専用を示し、フィールドのあるページを表示
  • 名前や回答で絞り込み、未記入のフィールドを隠せます
  • 平坦なJSON、詳細なJSON、CSVで書き出し
  • 記入済みと空欄の数を数え、抜けが見えます

PDFフォームデータ抽出 の使い方

  1. 記入済みのPDFをページに置きます
  2. フィールド名と回答の表を確認します
  3. フォームが長ければ絞り込むか空欄を隠します
  4. データをJSONかCSVでコピーまたは保存します

例

入力

W-9 with the name and address fields completed

出力

{
  "topmostSubform[0].Page1[0].f1_01[0]": "Ada Lovelace",
  "topmostSubform[0].Page1[0].f1_07[0]": "12 Baker Street"
}

フィールド名は文書由来なので、フォームを作った側や処理する側と一致します。

よくあるエラーとトラブルシューティング

  • フィールドが一つも見つからない。 — AcroFormではない可能性が高いです。スキャンしたページや記入後にPDF出力したものは回答が画像として入っているため、テキスト抽出やOCRが必要です。
  • フィールド名がf1_07[0]のように読めない。 — 作成者がそう名付けたためで、官公庁の様式に多く見られます。ページと回答からどの欄かはたいてい判別できます。
  • 署名欄が空で表示される。 — 署名欄は文字列ではなく暗号署名のオブジェクトを持つため、抽出できる値がありません。存在を示すために一覧には載せています。
  • チェックボックスがはいではなくOffや1と出る。 — チェックボックスの書き出し値は作成者が決めます。ここではチェック済みか空欄かで示し、詳細な書き出しでは元の値を残します。

よくある質問

記入済みフォームのテキストをそのままコピーできないのはなぜですか。
回答がページのテキストの一部ではないからです。AcroFormのフィールドはページの上に重ねられた別のオブジェクトで、テキストのコピーでは印字されたラベルしか取れません。
AcroFormとは何ですか。
PDF仕様に組み込まれた対話的フォームの層で、テキスト欄やチェックボックス、ドロップダウンを提供します。記入できるフォームのほとんどがこれを使い、古いXFA形式が主な例外です。
複数のフォームからまとめて抽出できますか。
ここでは一度に一つですが、CSVの書き出しは積み重ねを想定しています。同じテンプレートならフィールド名が一致するので、行を足していけます。
抽出するとPDFは変わりますか。
変わりません。ファイルは読み取るだけで書き戻しはせず、元の文書はそのままです。回答をページに固定したい場合は平坦化を使います。
パスワード付きのフォームでも動きますか。
パスワードなしで開けるものに限ります。利用者パスワードで暗号化された文書は、先に復号する必要があります。

関連ツール

  • PDFフラット化 — 記入済みフォームの入力欄を紙面に固定します。
  • PDF からテキスト — PDFから選択可能なテキストをプレーンテキストまたはMarkdownとして抽出します。
  • PDFメタデータ編集 — PDFのタイトル・作成者などを表示・変更・消去。
  • PDF を結合 — 複数のPDFを並べ替えながら1つに結合します。
  • PDF を分割 — ページや範囲（例: 1-3,5,7-9）を抽出して新しいPDFにします。
  • PDF を復号 — 暗号化された PDF からパスワード保護を解除します。

PDFの他のツール

  • 白紙ページ削除ツール — スキャンの空きページを見つけて取り除く。
  • テキストをPDFに — 入力または貼り付けた文字を、ページ分割されたPDFにします。
  • MarkdownをPDFに — Markdownの見出し・箇条書き・表・コードをPDFに組みます。
  • HTMLをPDFに — HTMLのマークアップを、整ったページ分割済みPDFにします。
  • CSVをPDFに — CSVの行を、罫線付きでページ分割されたPDFの表にします。
  • ExcelをPDFに — ブックのシートを、印刷できるPDFの表にします。
  • WordをPDFに — 構造を保ったまま .docx をPDFに変換します。
  • PowerPointをPDFに — .pptx を1スライド1ページのPDFにします。
  • EPUBをPDFに — EPUBの本を、ページ分割されたPDFに変換します。
  • PDFをWordに — PDFを編集できる .docx として組み直します。
  • PDFをExcelに — PDFの表を .xlsx ブックまたはCSVに取り出します。
  • PDFをPowerPointに — PDFのページを .pptx のスライドにします。

PDFのツールをすべて見る (85) · すべてのツール