[PDF からテキスト抽出] アクションは、次の各プロパティを使用して設定できます。

PDF 変数

PDF ドキュメントをバイナリ データとして含むバイナリ変数。

画像を含める

埋め込まれた画像抽出するかを指定します。PDF ドキュメントからすべての画像やグラフィックを抽出できるとはかぎりません。元のドキュメントへの埋め込み方法によって異なります。

Form XObjects を含める

このオプションで、PDF から Form XObjects を抽出できます。Form XObjects は、PDF ファイル内のオブジェクトをグループ化します。オブジェクトには、テキスト、画像、ベクター要素などが含まれることがあります。Form XObjects は通常、ドキュメント内で複数回参照されるオブジェクトを保存するために使用します。

位置を含める

各テキストの位置を抽出するかを指定します。これらの各位置が、ドキュメントの構造を引き出すために有効な場合があります。

フォーマットを含める

テキストのフォーマット (フォントの名前、サイズなど) を抽出するかを指定します。各位置と同様に、フォーマットはドキュメントの構造を引き出すために有効な場合があります。

テキストのマージ

デフォルトで、PDF から HTML を生成したコンバータは、同一ラインにあるテキストを 1 つの HTML 要素にマージします。PDF ドキュメント内で異なるテキストとして表示される場合も同様です。この機能は通常は望ましいものですが、場合によっては別の作用を及ぼします。つまり、元は離れた場所にあったテキストがマージされてすぐ隣に表示されることがあります。この機能をオフしておくことが望ましい典型的な例は、ドキュメントに複数の列が含まれる場合です。この機能をオフにすると、列の構造を維持しようとします。