# PDF To Text

> PDFファイルからテキストを抽出する。macOS標準のPDFKitを使用し、外部依存なしで動作する。「PDFを読んで」「PDFからテキスト抽出」「PDF の内容を教えて」「PDFをテキストに起こして」「PDFをテキスト化」などのリクエストで使用する。

- Skill: `schroneko/pdf-to-text` (Agent Skill, multi-file: 5 files)
- Install (CLI): `npx skillmds@latest add schroneko/pdf-to-text`
- Raw SKILL.md: https://api.skillmd.com/api/skills/schroneko/pdf-to-text/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Docs & Writing
- Author: schroneko (https://skillmd.com/u/schroneko)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/schroneko/pdf-to-text

---


# PDF to Text

macOS 標準の PDFKit と Vision framework を使用して PDF からテキストを抽出する。外部依存なし。

## 使い方

```bash
scripts/extract.sh "PDFファイルのパス" [モード] [ページ範囲]
```

### モード

| モード   | 説明                                                                         |
| -------- | ---------------------------------------------------------------------------- |
| `auto`   | PDFKit で抽出し、500 バイト未満または文字化けなら Vision OCR（デフォルト）   |
| `pdfkit` | PDFKit のみ使用（テキストレイヤーがある PDF 向け）                           |
| `ocr`    | Vision OCR のみ使用（スキャン PDF、画像 PDF、または常に OCR したい場合向け） |

### ページ範囲（ocr モードのみ）

| 例     | 説明            |
| ------ | --------------- |
| `1-10` | 1〜10 ページ    |
| `5`    | 5 ページのみ    |
| `10-`  | 10 ページ〜最後 |
| `-5`   | 1〜5 ページ     |

## 動作

1. 指定された PDF からテキストを抽出
2. PDF と同じディレクトリにキャッシュとして保存（ページ範囲指定時は除く）
3. 標準出力にテキストを出力

### 自動モード（auto）の動作

1. まず PDFKit でテキストレイヤーを抽出
2. 以下の場合、Vision OCR にフォールバック：
   - 抽出結果が 500 バイト未満（スキャン PDF と判断）
   - 抽出結果に文字化けパターンを検出（CID フォント問題）
3. Vision framework で並列 OCR 処理

## 依存関係

なし（すべて macOS 標準機能）

- PDFKit: macOS 標準
- Vision framework: macOS 標準（並列処理対応）

## キャッシュ

- 保存先: PDF と同じディレクトリ
- ファイル名: `{PDFファイル名}.txt`（抽出方法によらず統一）

## 複数ファイルの一括処理

```bash
scripts/batch.sh "PDFディレクトリ" [並列数]
```

### 引数

| 引数            | 説明                               | デフォルト           |
| --------------- | ---------------------------------- | -------------------- |
| PDFディレクトリ | PDF ファイルが含まれるディレクトリ | カレントディレクトリ |
| 並列数          | 同時処理数                         | 12                   |

### 出力

- 各 PDF と同じ場所に `.txt` ファイルを作成
- 処理ログを `<PDFディレクトリ>/batch-processing.log` に保存

### ログ形式

```
[2025-01-05 12:34:56] === PDF Batch Processing Started ===
[2025-01-05 12:34:56] Total PDFs: 86
[2025-01-05 12:34:56] To process: 85
[2025-01-05 12:34:57] OK: ファイル名.pdf (12.3s)
...
[2025-01-05 12:40:00] --- Summary ---
[2025-01-05 12:40:00] Processed: 85
[2025-01-05 12:40:00] Total time: 304.5s
```

### 時間計測

単一ファイル処理（extract.sh）も `[TIMING]` タグで処理時間を stderr に出力する：

```
[TIMING] PDFKit: 0.368s
[TIMING] Vision OCR: 13.142s
[TIMING] Total: 13.510s
```

## 制限事項

- macOS 専用
- 日本語・英語に対応
- パスワード保護された PDF は抽出できない