PDF から XML と PDF から Excel:プログラム向けの構造化テキストか、人向けの表か
どちらのツールも PDF をデータにしますが、読む相手が違います。PDF から XML は各ページの文章をページごとに、他のプログラムが読める構造化された XML として書き出します。PDF から Excel は表を探して表計算ファイルに書き出し、1 ページにつき 1 シートを作るので、人が並べ替え、絞り込み、計算をできます。このページでは二つを比べ、データがこの後どう使われるかに合う方を選べるようにします。
ひと目でわかる違い
| 項目 | PDF から XML | PDF から Excel |
|---|---|---|
| 結果 | 各ページの文章を含む XML ファイル。 | 見つかった表を含む表計算ファイル、1 ページ 1 シート。 |
| 主な読み手 | プログラム、スクリプト、取り込み処理。 | 表計算で作業する人。 |
| 保持するもの | ページ順に並んだ文章。 | 表のセルの行と列。 |
| 表以外の文章 | すべての文章を書き出すので含まれる。 | 対象ではない。表が中心。 |
| 典型的な場面 | システム、検索インデックス、テキスト分析へのデータ供給。 | 報告書の表に対する合計、フィルター、グラフ。 |
結果を誰が読むかで決める
次の作業がプログラムなら、XML は予測しやすい構造ですべての文章を渡せます。次の作業が表計算を使う人なら、表がすでにセルに入っている Excel のほうが良い出発点です。表だけをカンマ区切りの簡単なファイルにしたい場合は、表の抽出で CSV に保存する方法が三つ目の道です。スキャンした PDF には取り出せる文章がないので、先に OCR を使ってください。どの場合も、変換後に数ページを抜き出して、数字や名前が正しく届いているか確認すると安心です。
どちらを選ぶべきか
PDF から XML
ソフトウェアが文章を読み、ページごとにすべてが欲しいときは PDF から XML を選びます。
PDF から Excel
表を自分で並べ替え、合計し、グラフにしたいときは PDF から Excel を選びます。
両方に使える無料ツール
この用語が出てくるガイド
PDFの用語をやさしく解説
よくある質問
- PDF から XML は表を理解しますか?
- 各ページの文章を構造化して書き出しますが、表のためのツールではありません。行と列が必要なら、PDF から Excel か表の抽出を使ってください。
- 表が 2 ページにまたがる場合はどうなりますか?
- 表はページごとに読み取られるため、二つの部分は別々に届きます。表計算ソフトの中で手作業でつなげてください。
- どのツールが対応しますか?
- PDF から XML は各ページの文章を XML として書き出し、PDF から Excel は表を表計算ファイルに書き出し、PDF の表の抽出は表を CSV として保存します。どの結果も新しいファイルになるため、元のファイルはそのまま残ります。