.pdf · application/pdf

PDF: PDF(ポータブルドキュメント形式)

PDF は段落や見出しといった意味構造ではなく、バイナリストリームと文字座標によって固定ページレイアウトを保持する文書形式です。

クイックアンサー: PDF は段落や見出しといった意味構造ではなく、バイナリストリームと文字座標によって固定ページレイアウトを保持する文書形式です。 印刷レイアウト通りの契約書、請求書、学術論文、閲覧専用の公式資料配布。

構造タイプ文書コンテナ
可読性低
ネスト対応非対応
LLM トークン効率低
拡張子.pdf
MIME タイプapplication/pdf
主な用途印刷レイアウト通りの契約書、請求書、学術論文、閲覧専用の公式資料配布。

メリット

  • OS やプリンター環境に左右されずフォント・余白・組版を厳密に保持できる
  • Markdown から配布用レポートを作成する際の標準書き出し先として最適
  • 電子署名や公式アーカイブの保存形式として広く信頼されている

注意点・トレードオフ

  • バイナリ形式のためそのままテキスト貼り付けや LLM 入力に使えない
  • 段組や折り返し改行を単純コピーすると文の途中で改行が分断される
  • 画像スキャンだけの PDF にはテキスト層がなく OCR なしでは抽出できない

参考文献

PDF をローカルで変換・整形

関連エンジニアリングガイド

関連フォーマット

全24形式を見る

PDF に関するよくある質問

TxtTo は機密 PDF をサーバーに送信せずどうやってテキスト抽出していますか?

同一オリジンでホストされたローカル PDF.js ワーカーをブラウザメモリ上で実行し、文字サイズから見出し推定や改行結合を完全オフラインで行います。

Markdown から本物のバイナリ PDF をローカル生成できますか?

はい。Markdown to PDF は pdf-lib によりブラウザ内で %PDF-1.7 を生成し、日本語・CJK 文字も高解像度描画で文字化けせず出力します。

抽出した PDF テキストにページ番号やヘッダーが毎回混入するのはなぜですか?

PDF では各ページの欄外文字列も本文と同じテキストオブジェクトとして記録されるためです。ヘッダー/フッター除去設定で自動除外できます。