PDF 表の抽出と照合

文字を含む PDF の表を CSV または JSON に抽出します。ダウンロード前に原本と各セルを照合してください。

PDF を選ぶ → 表を照合 → ダウンロード

PDF 1 件 · 20 MiB · 最大 20 ページ

PDF を選ぶか、まずサンプルを試してください。

1. 表全体の範囲を選ぶ

見出しとすべてのデータ行を囲んでください。キーボード操作の場合は座標を入力できます。

正確な座標を入力

XY幅高さ

2. 行・列・金額を照合する

各セルを原本と比較し、クリックして修正できます。文字の一致だけでは表の意味は確認できません。

横スクロールで全列を表示できます。長い文字列はセル内でもスクロールできます。

つながった表を分割

選ぶ行が次の表の見出しである場合だけ使ってください。その行を新しい見出しとし、後続の行を移します。分割後は両方の表を再照合してください。

2 番目の表の見出し行

見えない方向制御文字を確認

Unicode の方向制御文字 12 種類だけを確認します。右から左に書く文章では意図的な場合があります。原文は変更しません。セキュリティ検査や表の正確性の検証ではありません。結合文字 ZWNJ、ZWJ は検出対象外です。

行番号には見出しを含み、見出しが 1 行目です。位置は視覚的な文字数ではなく、Unicode コードポイントを 1 から数えます。JSON には先頭 2,000 個と全体の総数を記録します。

原稿の見出し構造

まず原稿の見出し構造を確認してください。このツールは複数行の見出しを自動判定しません。

見出し、データ行、金額を原本と照合しました。

CSV にセルの型はありません。表計算ソフトが 0000123、9007199254740993、1e6 を変換することがあります。識別番号の列を文字列として取り込み、確認してください。数式と解釈され得るセルには先頭にアポストロフィーを付けます。JSON は元の文字列と確認記録を保持します。

ローカル解析済み JSON を照合（任意）

ローカルで解析した表の JSON がある場合は、対応する原本 PDF を選んでから取り込んでください。現在の表は置き換わり、すべての確認が解除されます。

ファイルの識別と文字の比較のためだけに原本を読みます。

最大 2 MiB。同じ PDF に対応する必要があります。

先に原本 PDF を選んでください。ハッシュの一致は同じファイルであることを示すだけで、表の正しさは証明しません。

この機能は Python のインストールや呼び出し、モデルの実行、ファイルのアップロードを行いません。ページを更新したらファイルを選び直してください。

使い方

PDF 表の照合とは？

選択可能な文字を含む PDF から表を見つけ、書き出す前にセルを比較・修正するツールです。原本の SHA-256 と利用者による確認を記録します。これらは出所の識別用であり、抽出が正しいことの証明ではありません。

例と期待される結果

自作サンプルは 2 ページで、罫線ありと罫線なしの表が 1 つずつあります。各表はデータ 3 行、4 列です。Gamma の 70.50 は 2 か所とも保持する必要があります。範囲全体を選んで照合し、各表を別々に書き出してください。

表を抽出して照合する手順

文字型 PDF を 1 件選ぶか、2 ページのサンプルを試します。比較用に原本を保持してください。
一覧から表を選び、見出しとすべてのデータ行を囲みます。キーボードで正確な座標も入力できます。表の外のページタイトルや脚注は含めないでください。
見出し、行の対応、折り返された名称、金額を比較して誤ったセルを修正します。2 つの表がつながっている場合は分割し、各範囲を再照合します。まず原稿の見出し構造を確認してください。このツールは複数行の見出しを自動判定しません。
表全体を比較した後に確認欄をチェックします。表計算用は CSV、元の文字列と記録を残す場合は JSON を選びます。セルや範囲を変えると確認は解除されます。

どの出力を選べばよいですか？

出力	用途	制限
CSV	現在の表を表計算ソフトで開く	UTF-8 とカンマ区切りを選び、読み込む前にインポートのプレビューで識別番号の列を文字列に設定してください。二重引用符だけでは数値や日付への変換を防げません。数式の可能性があるセルには先頭にアポストロフィーを付けます。
JSON	文字列を保持し、スクリプトや AI に照合記録を渡す	原本の識別情報、位置ごとの編集、利用者の確認を含みます。行や列の意味の正しさを認証するものではありません。

形式と制限

PDF は最大 20 MiB、20 ページ、40 表。1 表はデータ 1,000 行、100 列、見出しを含めて 2,000 セルまでです。空または結合された見出し、画像セル、スキャンページには対応していません。回転、文字の順序、明示されていない複数行の見出しには特に注意してください。非対応の表が 1 つあると文書全体の抽出が拒否される場合があります。文字は合計 200,000 字、1 セル 10,000 字、1 ページの文字要素 5,000 件までです。抽出は 60 秒で打ち切りますが、起動からの合計時間の保証ではありません。

原本と一致しない場合

文字の不足や余分は、タイトルを含めた、行を除外した、抽出したセルが異なる、といった原因が考えられます。範囲全体を調整し全セルを比較してください。文字数の一致では対応関係や数値の意味を確認できません。

スキャン、読めない文字、結合見出しには別の抽出方法を使い、結果を照合してください。本ツールは OCR を追加せず、結合セルを平坦化して正しい表とみなすこともしません。複数行または結合された見出しには対応していません。テキストを抽出し、見出しを手作業で整理してください。2行目の見出しをデータとして扱わないでください。

読み込みに失敗したら、小さい非暗号化の文字型 PDF を選んでください。中止または消去で作業を破棄し、再選択できます。ページ更新は選択ファイルとメモリー内の結果を削除します。

任意の JSON 取り込みは、サイズと構造を制限した ToolRobin 受け渡し形式のみ対応します。まず原本 PDF を選びます。置き換えに失敗した場合、既存の候補は残りますが書き出し確認は解除されます。

表計算ソフトが先頭のゼロを削除したり識別番号を変えたりしたら、新しい CSV を再インポートし、読み込む前に該当列を文字列に設定してください。変換後に表示形式を変えても失われた桁は戻りません。取り込んだ値を原稿または JSON の文字列と照合し、唯一の原本を上書きしないでください。JSON は確認記録も保持します。

よくある質問

何を抽出できますか？

読み取れる PDF の文字レイヤーにある単純な表です。1 表ずつ照合し、現在のセルを CSV または JSON に書き出します。スキャンページ、画像セル、結合見出しには対応していません。

文字が一致すれば表は正しいですか？

いいえ。選んだ範囲の文字だけを比較しています。同じ文字でも別の行や列に置かれることがあります。確認前に表全体を原本と照合してください。

ダウンロードできないのはなぜですか？

範囲の文字が現在のセルと一致し、原本を照合したという確認が必要です。セルの編集、範囲の変更、結果の取り込みで確認は解除されます。不一致の案内に従って再照合してください。

サイズの上限は？

PDF 1 件につき 20 MiB、20 ページ、40 表までです。1 表につき 100 列、データ 1,000 行、見出しを含め 2,000 セル。行より先にセル上限に達する場合があります。プレビューは一辺 2,400 ピクセル、合計 600 万ピクセルまでです。

PDF や JSON はアップロードされますか？

いいえ。両方のファイルをブラウザーで読み、結果はメモリー内に置きます。処理コードは同じサイトから取得します。任意の受け渡し機能は Python に接続せず、モデルを実行せず、抽出サービスへファイルを送信しません。

AI アシスタントも使えますか？

JSON の照合記録、元の文字列、SHA-256 の識別情報、編集内容をスクリプトや AI が読めます。既存のローカル検査契約は同じ範囲照合・書き出し規則を使います。本ツールのネイティブ MCP クライアント連携は未検収です。ハッシュや呼び出し側の確認は独立した検証ではありません。