読む
PDFをTXTに変換したいとき、難しいのは文字を取り出す操作そのものより、Unicode、文字コードの乱れ、スキャンページをどう見分けて扱うかです。この記事では、最初に確認すべき点、文書に合った抽出方法、確認の要点と限界を実務目線で整理します。