ガイド

Markdown → PDF 出力 & PDF → TXT 抽出:完全オフライン文書ワークフロー

Markdown を日本語対応の A4/Letter PDF へローカル出力し、セルフホスト PDF.js で PDF から改行・ハイフン補正済みの TXT や Markdown を抽出します。

読了目安 4分

クイックアンサー: pdf-lib とブラウザの Unicode Canvas 描画で Markdown を日本語対応の A4/Letter PDF へローカル書き出しでき、機密 PDF からはセルフホスト版 PDF.js を用いて折り返し改行やハイフン分割を自動修復したクリーンな TXT や Markdown を通信ゼロで抽出できます。

社外秘の仕様書や契約書 PDF をクラウド変換サイトに上げてはいけない理由

障害対応ランブック、取締役会メモ、締結済み PDF 契約書などを無料のオンライン変換サービスへアップロードすると、一時キューへの保存やインデックス化のリスクが伴います。

TxtTo は PDF 生成と PDF テキスト抽出の両方をブラウザメモリ内で完結させます。Pandoc や LaTeX の導入もファイルサイズ課金も不要で、外部通信は一切発生しません。

  • Markdown → PDF 変換は github・clean・serif の 3 テーマと A4/Letter サイズに対応。
  • PDF → TXT 変換と PDF → Markdown 変換はローカル配置の PDF.js Worker で動作。
  • 行結合ヒューリスティックにより、PDF 特有の強制改行や単語ハイフン分割を自動復元します。

テーマ・用紙・余白の設定と Markdown → PDF の日本語出力

出力時は github・clean・serif の各テーマから選び、A4 または Letter を指定して余白を 8〜40 mm(既定 16 mm)の間で 2 mm 刻みに調整し、コードブロックの背景強調を切り替えられます。

欧文のみの文書には pdf-lib でベクター標準フォントを埋め込み、日本語・中国語・韓国語など非 WinAnsi 文字を含む場合は自動的に 2 倍解像度のブラウザ Canvas ページとして描画・埋め込みを行うため、文字化け(?)が起きません。

Markdown をローカルで PDF に書き出す

設定項目指定できる値既定値用途
themegithub、clean、serifgithub見出し・本文のタイポグラフィを選択
pageSizeA4、LetterA4ISO 216 または北米レター用紙を選択
marginMm8〜40 mm16 mm2 mm 単位で上下左右の余白を調整
syntaxHighlighttrue / falsetrueフェンスコードブロックの背景網掛けを制御

PDF → TXT 変換で整った段落や改ページ区切りを抽出

PDF は論理的な段落ではなく描画座標としてテキストを保持しています。PDF → TXT 変換では座標順にテキストを並び替え、行間ギャップから段落を判定し、mergeBrokenLines がオンのときはソフト改行の結合と英語の行末ハイフン連結を自動処理します。

法務確認や引用元のページ番号を明示したい場合は preservePageBreaks をオンにしてページ間に --- Page Break --- 区切りを入れられます。見出しやリスト・リンク構造も残したい場合は PDF → Markdown 変換へ切り替えてください。

text
PDF to TXT (mergeBrokenLines + preservePageBreaks):
Service Level Addendum
All document parsing executes locally inside client RAM with automatic line-wrap restoration.

--- Page Break ---

Section 2: Retention Guarantees

PDF からきれいなプレーンテキストを抽出

2 段組の折り返しや残ったハイフンを不要な改行除去で仕上げる

2 段組の学術論文や古い OCR 済み PDF から抜き出した文章には、行途中の改行や分断された単語が残る場合があります。

抽出後のテキストを「不要な改行を除去」へ渡し、段落保持・ハイフン単語修復・連続空白整理をオンにすれば、そのまま翻訳や編集に使える滑らかな段落へ整えられます。

PDF 抽出後の途切れた改行とハイフンを結合

参考文献

よくある質問

Markdown → PDF 変換は日本語や中国語・韓国語・絵文字に対応していますか?

はい。ブラウザ上で非 WinAnsi 文字が検出された場合、自動的に 2 倍解像度の Unicode Canvas レンダリングでページを生成するため、日本語も崩れず出力できます。

PDF → TXT と PDF → Markdown はどう使い分けるべきですか?

純粋な平文やページ区切りマーカーが必要なときは PDF → TXT を、RAG 用途やノート取りのために見出し判定・ヘッダー/フッター除去・リンク保持を行いたいときは PDF → Markdown をお選びください。

PDF 解析時に PDF.js の外部サーバーへファイルが送信されませんか?

送信されません。TxtTo はサイト内に pdfjs-dist の Worker アセットをセルフホストしているため、完全にオフラインのブラウザ内だけで動作します。

関連フォーマット

関連比較ページ

関連ガイド