ArrayKit

PDFの文字数カウント

いったんワープロに書き出さずに、PDFの語数・文字数・文の数を数えます。

PDFの文字数カウント

いったんワープロに書き出さずに、PDFの語数・文字数・文の数を数えます。

各ページは文字の位置を得るためにこのタブの中で読まれ、文書そのものが端末から出ることはありません。見積もりの対象が契約書の草案であるときには、これが大事になります。

ページ数とカラーページを数える

PDFの文字数カウント について

翻訳者は語あたりで見積もり、大学は語数で上限を決め、提出書類は語数を超えると差し戻されます。そしてこの三つはどれもPDFで届きます。よくある回避策はワープロに書き出してそこで数えることですが、これは文字を流し直し、柱を本文に引きずり込み、あなたの報酬が掛かっている数字をこっそり変えてしまいます。ここでは文字をあるままの場所で数えます。行はページ上の間隔から組み直し、行の切れ目で割れた語はつなぎ直し、全ページに繰り返されるタイトル行やページ番号は除きます。そしてすべてのページが個別に一覧になるので、本ではなく1章だけを数えることもできます。

機能

  • 語数、空白を含む文字数と含まない文字数、文の数、段落の数
  • 棒グラフ付きのページごとの表なので、分量の多いページが目立ちます
  • 1分238語で読む時間、1分130語で話す時間
  • 繰り返しによって柱とフッターを見つけ、カウントから除きます
  • 2024・3.14・1,000のような数字だけの語は除外できます
  • 中国語と日本語の文字は、ワープロと同じく1文字を1語として数えます
  • 頻出する語の上位20件。ありふれた語は隠すことも表示することもできます
  • 複数のPDFを同時に処理し、全体の合計とページ1行ずつのCSVを出力

PDFの文字数カウント の使い方

  1. PDFを1つ、あるいはまとめてページに置きます
  2. レポートなら柱とフッターの設定を入れたままに、原稿なら切ってください
  3. 合計を読んだうえで、ページごとの表を開いて1章分を数えます
  4. 要約をコピーするか、ページごとのCSVをダウンロードします

例

入力

contract-v4.pdf — 38 pages

出力

12,480 words · 78,110 characters (66,203 without spaces) · 641 sentences · 328 words a page · 52 min to read, 1 h 36 min to read aloud

38ページすべてに繰り返されていたフッターは認識され、除かれました。

よくあるエラーとトラブルシューティング

  • スキャンした文書で語数が0になります。 — そのページは文字の画像で、テキスト層をまったく持っていません。ツールはそれを明言し、該当ページを列挙します。まず「PDFのOCR」で読み取り、その結果を数えてください。
  • 使っているワープロの数より多く出ます。 — 「柱とフッターを無視する」と「数字だけの語を無視する」を入れてください。300ページに繰り返されたタイトル行は、ワープロが数えたことのない数千語を足します。
  • ページごとの数字を足すと、文書の合計より多くなります。 — ページの切れ目をまたいだ文や段落は2つのページに属しますが、文としては1つなので、文書の合計では一度だけ引かれます。列はページごと、合計は文書全体です。
  • 最初の500ページだけが読まれました。 — 1回あたりの上限です。「PDFを分割」でファイルを分け、それぞれを数えて合計してください。警告には、どのファイルに適用されたかが示されます。

よくある質問

PDFから取った語数が、ワープロの語数と違うのはなぜですか。
PDFの中に語というものが無いからです。あるのは位置の決まった字形で、どの数え手も行・語・段落がどこで始まるかを自分で決めなければなりません。ファイルを書き出すときも同じ判断が行われ、しかも違うやり方で行われます。だから同じ文書に3つのツールが3つの答えを出します。ここでは規則が見えます。ハイフンで割れた行はつなぎ直し、柱は落とし、数字は除外できます。
行の切れ目で割れた語はどう数えられますか。
1語として数えます。「exam-」で終わる行と「ple」で始まる行は、何かを数える前に「example」につなぎ直されます。著者が書いたのはそれだからです。本物のハイフンはそのままです。「Anglo-」の次に「Saxon」が来る場合はハイフンを保ちます。次の行が大文字で始まっているからです。
翻訳会社はどの数字で見積もりますか。
言語の組み合わせによります。欧州の会社はたいてい原文の語あたり、日本語と中国語の仕事は文字あたりで見積もることが多く、空白を含まない文字数を使う会社もあります。3つすべてを表示し、中国語と日本語の文字は別に数えます。
読む時間と話す時間はどこから来ていますか。
散文を黙読するときの1分238語と、音読するときの1分130語です。どちらも読みの研究から得られた平均です。測定ではなく目安です。密度の高い技術的なページや数字の表は、平均よりかなり長くかかります。
複数のPDFを1つの文書のように数えられますか。
数えられます。まとめて置けば見出しの数字が全体を覆い、各ファイルは自分の行を保ち、CSVはページの行ごとにファイル名を持ちます。開けなかったファイルは、空として数えられる代わりに理由とともに列挙されます。

関連ツール

PDFの他のツール

  • 画像から PDF — 複数の画像を1つのPDFに結合します（自動 / 縦 / 横）。
  • PDF から画像 — PDFのページをダウンロード可能なPNGまたはJPG画像に変換します。
  • 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 を回転 — すべてのページまたは選択したページを 90/180/270° 回転します。
  • PDF を整理 — サムネイルからページの並べ替え・回転・削除を行い、書き出します。
  • ページ番号を追加 — PDFにページ番号を刻印します（位置、書式、開始番号）。
  • PDF 透かし — 各ページに斜めのテキスト透かしを追加します。
  • PDF をトリミング — クロップボックスで各ページの余白をトリミングします。
  • 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 を比較 — 2つのPDFから抽出したテキストを行単位で比較します。
  • PDF を暗号化 — AES-256 または RC4 で PDF にパスワード保護を追加します。
  • 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 を圧縮 — 各ページを選択した画質・解像度でJPEGに再描画してPDFを軽量化します。
  • 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サイズ変更 — PDFの各ページをA4・レターなどに統一。
  • 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 1枚に複数ページ — 1枚に2・4・9・16ページ、小冊子順序にも対応。
  • PDFのページを交互に結合 — 奇数面と偶数面のスキャンを一つの文書に戻し、必要なら逆順に。
  • PDFを1枚の長いページに — 全ページを1枚の連続したシートに並べ、スクロールで読めるように。
  • PDFフォームデータ抽出 — 記入済みPDFの回答をJSONやCSVで取り出す。
  • 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。

PDFのツールをすべて見る (85) · すべてのツール